延迟计算

你想将一个只读属性定义成一个property,并且只在访问的时候才会计算结果。 但是一旦被访问后,你希望结果值被缓存起来,不用每次都去计算。

import math


class lazyproperty:
    def __init__(self, func):
        self.func = func

    def __get__(self, instance, cls):
        if instance is None:
            return self
        else:
            print("第一次计算")
            value = self.func(instance)
            setattr(instance, self.func.__name__, value) #将面积设置为实例属性
            return value


class Circle:
    def __init__(self, radius):
        self.radius = radius

    @lazyproperty
    def area(self):
        print('Computing area')
        return math.pi * self.radius ** 2


c = Circle(4.0)
print(c.area)
print(c.area)

第一次计算
计算面积
50.26548245743669
50.26548245743669

这里来解析以下运行原理,首先,先将area作为参数初始化lazyproperty(),当调用c.area时,由于Circle没有area这个实例属性,所以访问非数据描述符,此时自动调用lazyproperty的get,从而给Circle设置了area属性。

 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最合逻辑最大延迟计算是指在给定的逻辑约束下,计算任务的最大延迟时间。这个问题可以通过使用人工智能相关算法和遗传算法来求解。这些算法可以利用多线程技术来缩短计算时间。 对于字符串匹配问题,KMP算法是一种时间复杂度为O(len(s) * len(t)) 的快速算法。通过遍历两个字符串,可以有效地找到匹配的结果。在这个问题中,我认为KMP算法已经是时间复杂度更低的算法了。 在算法设计中,优化通常是通过减少重复运算和操作来实现的。当我们使用暴力递归时,我们应该分析出哪些重复运算,并对其进行优化。通过使用较少的空间来减少大量的时间,这是值得考虑的优化思路。 综上所述,最合逻辑最大延迟计算可以通过使用人工智能相关算法和遗传算法,并结合多线程技术来求解。对于字符串匹配问题,KMP算法是一种时间复杂度较低且快速的算法。在算法设计中,我们可以通过优化重复运算来减少计算时间。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [超硬核十万字!全网最全 数据结构 代码,随便秒杀老师/面试官,我说的](https://blog.csdn.net/hebtu666/article/details/115587600)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值