Python 为什么一种记忆策略比另一种慢？

所以这本关于回忆录的书让我很好奇。我运行自己的基准测试

1） 可变默认字典： 输出：

2） 同样的想法，但遵循“请求原谅比允许更容易”的原则： 输出：

我的问题

• 为什么2）比1）慢

编辑 正如@kevin在评论中所暗示的，我把装饰师搞错了，所以我把它拆了。剩余部分仍然有效！（我希望）

捕获异常意味着堆栈跟踪可能非常昂贵：

例外情况在两种情况下非常有效：

试试看。。。最后

试试看。。。除非

，前提是不引发异常

但是，当发生异常并捕获所需的堆栈跟踪时

---

增加了巨大的开销

方法一总共进行三次查找（

n不在dic中：

，插入

dic[n]=

并返回

dic[n]

）。第二种方法在最坏情况下也进行三次查找（检索尝试

dic[n]=

、插入

dic[n]=

和返回

dic[n]

），此外还涉及异常处理

如果一种方法与另一种方法做相同的工作，并且添加了一些东西，那么它显然不会更快，而且很可能会更慢

当记忆有更多有用的机会时，考虑比较场景中的效率——即多次运行函数，以比较分摊的复杂性。这样，第二种方法的最坏情况发生的频率就会降低，并且您可以从一次查找中获得更少的收益

版本1：

def fibo(n, dic={}) :
    if n not in dic :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
    return dic[ n ]

for i in range(10000):
    fibo(i)

版本2：

def fibo(n, dic={}) :
    try :
        return dic[n]
    except :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
        return dic[ n ]

for i in range(10000):
    fibo(i)

以及测试：

C:\Users\Bartek\Documents\Python>Python-m timeit--“导入版本1”
1000000个循环，最好3个：每个循环1.64 usec

C:\Users\Bartek\Documents\Python>Python-m timeit--“导入版本2”
1000000个循环，最好3个：每个循环1.6 usec

---

当函数被更频繁地使用时，缓存会被更多的值填充，从而降低异常的可能性。

这是一个非常不寻常的装饰器。通常，当您装饰一个函数时，在装饰器中的某个地方，您会在完成一些工作后调用该函数。但是你的装饰者从不调用

f

。当你修饰

fibo

时，你实际上在做“扔掉这个函数的定义，用示例1中的函数替换它”捕获异常（这意味着堆栈跟踪）可能非常昂贵：@DmitryBychenko我想你应该把它作为一个答案发布。原则“请求原谅比允许更容易”在哪里来自哪里0在编程上下文中听起来很不合理。@BartoszKP这是真的。大多数时候，用户可能会给你正确的东西。这就是为什么最好假设他们给了你正确的东西，如果异常是错误的，就处理它。这样就避免了

hasattr

或

如果输入d:

的开销。这个原则经常使用的另一个领域是在尝试使用键/属性之前检查它们是否存在，这（有时）更可能被原谅。

In [21]:

%%timeit
def fibo(n, dic={}) :
    try :
        return dic[n]
    except :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
        return dic[ n ]
fibo(30)

10000 loops, best of 3: 46.8 µs per loop

def fibo(n, dic={}) :
    if n not in dic :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
    return dic[ n ]

for i in range(10000):
    fibo(i)

def fibo(n, dic={}) :
    try :
        return dic[n]
    except :
        if n in (0,1) :
            dic[n] = 1
        else :
            dic[n] = fibo(n-1)+fibo(n-2)
        return dic[ n ]

for i in range(10000):
    fibo(i)