装饰器＋递归

2道极好的Python算法题｜带你透彻理解装饰器妙用

本文来源自天善社区菜鸟学python的博客（公众号）。

原文链接：https://ask.hellobi.com/blog/caoniao_xueyuan 。

2017-04-02 22:53

每日干货好文分享丨请点击+关注

欢迎关注天善智能微信公众号，我们是专注于商业智能BI，大数据，数据分析领域的垂直社区。

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入头条数据爱好者交流群，数据爱好者们都在这儿。

前一篇讲了装饰器额基本知识，装饰器我个人认为是Python中最最最难的知识点，上一篇算是一个入门的介绍，有18个小伙伴给我留言，后台也有很多同学跟我讨论，大家总是觉得不过瘾，好像离深入理解还差那么一丢丢赶脚，装饰器到底有啥妙用呢,其实装饰器内容非常丰富，今天我分享两道非常好的算法题，大家耐心看完两道算法题之后，注意精华在最后，我相信大家对装饰器的理解又会更上一层楼.

1.斐波那契数列

1).这个序列非常有名，我非常喜欢这个序列(有同学问我为啥，偷偷告诉大家，这个序列帮了我不少忙,等下半年我写数据分析文章的时候，会跟大家分享心得)

这个序列也叫兔子序列，网上有很多关于这个序列的解法，我们就直接上代码

我们用推导列表把兔子序列前10项打印出来,有同学说这个跟装饰器有毛关系，不要急，如果我们若打印40项，看看需要花多少时间

import time

start=time.time()

[fib(n) for n in range(40)]

end=time.time()

print 'cost:{}'.format(end-start)

>>

cost:150.200000048

如果我们打印50项，则需要花更多的时间，光40项需要花150多秒,50项就更长了.难是因为这个运算量太大了吗,NONONO,是因为我们算法没有经过优化.

看上面这张图，你会发现我们在计算兔子序列的时候，有大量重复的计算，比如算F(10)=F(9)+F(8),F(9)=F(8)+F(7),F(8)需要重复计算两次~~

怎么破，很容易想到我们需要用一个缓存，把这个计算过的数字存在一个表里面，用的时候若这个数字在这个表，就不用再花cpu去运算，直接取就好了。

2).先把上面的代码改一下,我们申明一个count变量，每次递归都存起来，然后最后再返回

3).接着演变，我们现在构造一个缓冲区cache

我们查表，比如用字典来保存，比如cache[8]=34,我们只需要查一下8是不是在字典里面就可以了，在的话直接取，不在的话再去用算法计算，是不是很爽

看运行40项，几乎不费吹灰之力，非常快

2.爬楼梯

比如我有7阶台阶，我们可以用两种爬发，一次一步或者两步，只能进不能退，算算有多少种爬法

我们先简单分析一下：

若只有一阶台阶，那么不管是一次选择一步还是两步，都只有一种爬法

若只有两阶台阶，选择一步or两步，会有两种爬法

若只有三阶台阶，选择一步然后一步然后一步，或者一步，两步，或者两步，一步，这样有3种爬法

若只有四阶台阶，选择一步，然后剩下3阶台阶的爬法，这3阶爬法可以直接取前面3阶台阶的计算结果

我们先写源码，源码很简单用递归搞定，首先设计递归的出口,当只有1阶或者小于1阶台阶时候，直接return 1

大家有没有发现这个爬楼梯一样存在重复计算的问题,比如5阶的时候，一步一步然后剩下3步，或者两步然后剩下3步

一样需要用到兔子序列的cache方法，那么在climb函数中再重复写一篇，是不是很累赘，这不是Pythonic的风格，有没有比较好的封装方法呢，同时又能不改动原始的代码呢～～有的，牛逼闪闪的Python当然有，就是我们的装饰器啦,好我们看装饰器如何封装搞定

3.装饰器封装

对于兔子序列和爬楼梯，我们用装饰器去封装一下，怎么封装呢，我们一步一步来,参考上一篇入门很容易构建出来

1).创建一个装饰器

def decorate(func):

cache={}

def wrap(n):

if n not in cache:

cache[n]=func(n)

return cache[n]

return wrap

2).装饰一下斐波那契数列

是不是很简洁，装饰器真是个好东西啊~~

3).装饰器参数升级

大家有没有发现我们上面构造的装饰器，入参是一个参数n.如果碰到需要传入的多个参数的函数怎么办，比如我们的爬楼梯原函数就是2个参数，所以我们需要把装饰器写更通俗一点，对用变参

留几个问题:

1.print climb(5,(1,2))为啥不是[1,2]

2.为啥不能加else

def decorator(func):

cache={}

def wrap(*args):

if args not in cache:

cache[args]=func(*args)

else:

return cache[args]

return wrap

3.加缓冲的时候

def fib(n，cache=None):

为啥不能写成def fib(n，cache={}):

好了装饰器的妙用就讲到这里,大家想一想如果我们还有类似的代码需要缓存机制，是不是只需要用装饰器封装一下就行了，是不是代码简洁很多而且容易维护和扩展功能，讲到这里大家是不是对装饰器的妙用有了进一步的理解,若有什么不懂的,也可以留言跟我探讨交流

对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣同学加微信：tstoutiao，邀请您加入头条数据爱好者交流群，数据爱好者们都在这儿。