今天我们会讲到一个[装饰器]
注记:链接“装饰器”指Python3教程中的装饰器教程。可以在这里快速了解什么是装饰器。
@functools.lru_cache——进行函数执行结果备忘,显著提升递归函数执行时间。
示例:寻找宝藏。在一个嵌套元组tuple或列表list中寻找元素'Gold Coin'
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
|
import time
from functools import lru_cache
def find_treasure(box):
for item in box:
if isinstance (item, ( tuple , list )):
find_treasure(item)
elif item = = 'Gold Coin' :
print ( 'Find the treasure!' )
return True
start = time.perf_counter()
find_treasure(( 'sth' , 'sth' , 'sth' ,
( 'Bad Coin' , 'normal coin' , 'fish' , 'sth' , 'any sth' ),
( 'Bad Coin' , 'normal coin' , 'fish' , 'sth' , 'any sth' ),
'Gold Coin' , ))
end = time.perf_counter()
run_time_without_cache = end - start
print ( '在没有Cache的情况下,运行花费了{} s。' . format (run_time_without_cache))
@lru_cache ()
def find_treasure_quickly(box):
for item in box:
if isinstance (item, ( tuple , list )):
find_treasure(item)
elif item = = 'Gold Coin' :
print ( 'Find the treasure!' )
return True
start = time.perf_counter()
find_treasure_quickly(( 'sth' , 'sth' , 'sth' ,
( 'Bad Coin' , 'normal coin' , 'fish' , 'sth' , 'any sth' ),
( 'Bad Coin' , 'normal coin' , 'fish' , 'sth' , 'any sth' ),
'Gold Coin' , ))
end = time.perf_counter()
run_time_with_cache = end - start
print ( '在有Cache的情况下,运行花费了{} s。' . format (run_time_with_cache))
print ( '有Cache比没Cache快{} s。' . format ( float (run_time_without_cache - run_time_with_cache)))
|
最终输出
Find the treasure!
在没有Cache的情况下,运行花费了0.0002182829999810565 s。
Find the treasure!
在有Cache的情况下,运行花费了0.00011638000000857573 s。
有Cache比没Cache快0.00010190299997248076 s。
注记:运行这个示例时我的电脑配置如下
1
2
|
CPU:AMD Ryzen 5 2600
RAM:Kingston HyperX 8Gigabytes 2666
|
约使用7个月。
这个装饰器可以在函数运行时记录它的输入值与运行结果。当元组('Bad Coin', 'normal coin', 'fish', 'sth', 'any sth')出现第二次时,加了这个装饰器的函数find_the_treasure_quickly
不会再次在递归时对这个元组进行查找,而是直接在“备忘录”中找到运行结果并返回!
总结
以上所述是小编给大家介绍的让你Python到很爽的加速递归函数的装饰器,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持!
原文链接:https://www.jianshu.com/p/66e1fe314154