Python 中的记忆化
-
在 Python 中使用简单的字典实现
Memoization
-
在 Python 中使用
Memoization
类实现Memoization
- 在 Python 中使用装饰器实现记忆
-
在 Python 中使用
functools.lru_cache
装饰器实现Memoization
-
在 Python 中使用
functools.cache
装饰器实现Memoization
记忆化
是一种通过记住过去完成的计算来加速计算的技术。
它存储一定数量的过去计算,以便于将来的计算。
Memoization
用于计算阶乘和斐波那契数列问题。
在 Python 中使用简单的字典实现 Memoization
字典是 Python 存储数据的四种基本数据类型之一。它在处理函数调用以及检索和存储数据时起作用。
memo1 = {}
def fact1(x):
if x < 2: return 1
if x not in memo1:
memo1[x] = x * fact1(x-1)
return memo1[x]
for i in range(1,10):
print(fact1(i))
输出:
1
2
6
24
120
720
5040
40320
362880
代码说明:
- 首先,字典
memo1
被初始化,它存储memoization
过程中的值。 - 其次,我们创建并混合了阶乘函数和存储值的字典。
- 然后可以调用该函数以显示所需的结果。
随着字典存储的术语越来越多,这种方法的速度会受到影响并大幅下降。
在需要借助 Memoization
存储大量数据的情况下使其过时。
在 Python 中使用 Memoization
类实现 Memoization
该方法将整个 memoization
过程封装到一个类中,并将其与主要的 factorial
函数分开。
class Memoize:
def __init__(self, x):
self.x = x
self.memo = {}
def __call__(self, *args):
if not args in self.memo:
self.memo[args] = self.x(*args)
return self.memo[args]
def fact1(a):
if a < 2: return 1
return a * fact1(a - 1)
fact1 = Memoize(fact1)
for i in range(1,10):
print(fact1(i))
输出:
1
2
6
24
120
720
5040
40320
362880
代码说明:
- 首先,定义一个
Memoize
类,并在其下定义__init__
函数和__call__
函数。 - 然后,定义用户定义的
fact1
函数以在递归的帮助下计算阶乘。 - 然后在
print
命令的帮助下显示输出。
这种方法的唯一缺点是它增加了代码的长度并使其更加复杂。
在 Python 中使用装饰器实现记忆
装饰器可以定义为一个函数,它可以将另一个函数作为其唯一参数。可以使用两个装饰器在 Python 中实现 Memoization
。
在 Python 中使用 functools.lru_cache
装饰器实现 Memoization
functools.lru_cache
可用于 Python 3.2+ 版本,用于缓存函数调用。它能够存储最多 128 个最近使用的呼叫。
一个简单的调整可以将缓存设置为在代码运行时不过期。需要将 functools
库导入到 python 代码中才能实现此方法而不会出现任何错误。
import functools
@functools.lru_cache(maxsize=None)
def fact1(x):
if x < 2: return 1
return x * fact1(x - 1)
for i in range(1,10):
print(fact1(i))
输出:
1
2
6
24
120
720
5040
40320
362880
在 Python 中使用 functools.cache
装饰器实现 Memoization
functools.cache
装饰器在 Python 3.9 中可用,并且仅适用于迄今为止相对较新的 Python 版本。
该函数存储或缓存使用指定参数集调用函数时返回的值。
需要将 functools
库导入到 python 代码中才能实现此方法而不会出现任何错误。
import functools
@functools.cache
def fact1(x):
if x < 2: return 1
return x * fact1(x - 1)
for i in range(1,10):
print(fact1(i))
输出:
1
2
6
24
120
720
5040
40320
362880
Vaibhhav is an IT professional who has a strong-hold in Python programming and various projects under his belt. He has an eagerness to discover new things and is a quick learner.
LinkedIn