記憶化如何提升 Python 函數效能？

理解Python 中的記憶化

在程式設計中，記憶化是一種透過根據輸入儲存函數呼叫結果來提高效率的技術論點。無需重新計算這些結果，而是直接傳回儲存的結果，節省時間和資源。

Python 中的實作

要在Python 中使用記憶化，您可以手動管理字典來快取結果或利用「functools」模組中的內建「@lru_cache ”裝飾器。以下是使用手動方法透過記憶化計算階乘的範例：

factorial_memo = {}
def factorial(k):
    if k < 2:
        return 1
    if k not in factorial_memo:
        factorial_memo[k] = k * factorial(k - 1)
    return factorial_memo[k]

用於記憶化的裝飾器

Python 在2.4 版本中引入了裝飾器，提供了一種簡潔的應用方法記憶功能。您可以建立一個裝飾器類別“Memoize”並將其應用到您的函數中：

class Memoize:
    def __init__(self, f):
        self.f = f
        self.memo = {}
    def __call__(self, *args):
        if not args in self.memo:
            self.memo[args] = self.f(*args)
        return self.memo[args]

@Memoize
def factorial(k):
    if k < 2:
        return 1
    return k * factorial(k - 1)

'@lru_cache'裝飾器

'functools'模組提供了一個“@lru_cache”裝飾器提供更強大的記憶化實作。它會自動快取結果並處理快取大小，以防止過多的記憶體使用。

總之，Python 中的記憶化是一種強大的技術，可以透過快取先前的結果並避免不必要的重新計算來優化函數效能。透過利用裝飾器或手動緩存，您可以提高程式碼的效率並提高其回應能力。

以上是記憶化如何提升 Python 函數效能？的詳細內容。更多資訊請關注PHP中文網其他相關文章！