让你Python到很爽的加速递归函数的装饰器

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'

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

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