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。