Python Memonization decorator的运行速度比原始函数慢

我在用斐波那契函数做记忆装饰练习。当输入变大时，memorized函数应该更快，因为它从字典返回结果，而不是再次计算结果

我正在使用

timeit.timeit（）

测量函数的执行时间，并将其记录为on和off。 我得到的结果与我预期的完全相反。没有decorator的执行速度要快得多

# memorized decorator for fibonacci series
def mem_fib(f):
    def wrapper(n):
        wrapper.d = {}  # create the attr member of THIS wrapper
        if n in wrapper.d:
            return wrapper.d[n]
        wrapper.d[n] = f(n)  # save f() return in a dict
        return wrapper.d[n]
    return wrapper

@mem_fib
def fibonacci(n):
    assert n >= 0
    if n < 2:
        return n
    return fibonacci(n-1) + fibonacci(n-2)

没有装饰师

我运行了多次timeit，我只把一个输出加起来。我错过了什么

谢谢

更新：多亏了丹尼尔的回答，我发现了我的错误。我将字典创建移到了包装器之外，结果要好得多

>>> print(timeit.timeit('decorators.fibonacci(10)', setup='import decorators'))
0.248986574759

---

每次调用函数时都会创建一个新字典，因为

wrapper

函数总是执行

wrapper.d={}

。因此，缓存将永远不会被填充，并且您的代码每次都有额外的创建字典的开销

---

该行应该在该函数之外，在您从

mem\u fib

返回它之前，每次调用该函数时，您都会创建一个新字典，因为您的

包装器

函数总是执行

包装器.d={}

。因此，缓存将永远不会被填充，并且您的代码每次都有额外的创建字典的开销

---

在您从

mem\u fib

返回之前，该行应该超出该函数的范围，您是否厌倦了它以获得更大的值？我的猜测是，对于7和10来说，记忆所带来的小开销比实际计算的成本要大。我想对于fibbonacci（100），它可能会产生预期的结果。这是因为您的assert语句吗？作为补充说明，您不需要在末尾使用pass语句。您可以检查负n，并引发错误，然后检查基本大小写并返回。如果两个检查都失败，那一定是递归的情况，因此不需要使用其他方法。Mai这个小小的更改使代码更易于阅读，谢谢你的注释。你对更大的值感到厌倦了吗？我的猜测是，对于7和10来说，记忆所带来的小开销比实际计算的成本要大。我想对于fibbonacci（100），它可能会产生预期的结果。这是因为您的assert语句吗？作为补充说明，您不需要在末尾使用pass语句。您可以检查负n，并引发错误，然后检查基本大小写并返回。如果两个检查都失败，那一定是递归的情况，因此不需要使用其他方法。Mai这个小小的更改使代码更易于阅读，谢谢你的注释我不知道我怎么会错过它，谢谢！当我将字典创建移到包装器之外（在mem_fib内部）时，结果与我预期的一样

print（timeit.timeit（'decorators.fibonacci（10）”，setup（'import decorators'））0.24898657574759

我不知道我怎么会错过它，谢谢！当我将字典创建移到包装器之外（在mem_fib内部）时，结果与我预期的一样

print（timeit.timeit（'decorators.fibonacci（10）”，setup（'import decorators'））0.24898657574759

>>> print(timeit.timeit('decorators.fibonacci(7)', setup='import decorators'))
5.10131571594
>>> print(timeit.timeit('decorators.fibonacci(10)', setup='import decorators'))
21.9784012801

>>> print(timeit.timeit('decorators.fibonacci(10)', setup='import decorators'))
0.248986574759