python – 为什么一个memoization策略比另一个慢？

所以关于memoization的page让我很好奇.我运行自己的基准测试.

1)可变默认字典：

%%timeit
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 ]
fibo(30)

日期：

100000 loops, best of 3: 18.3 µs per loop

2)相同的想法,但遵循“更容易请求宽恕而不是许可”的原则：

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)

日期：

10000 loops, best of 3: 46.8 µs per loop

我的问题

>为什么2)与1)相比这么慢？

编辑

正如@kevin在评论中建议的那样,我让装饰者完全错了,所以我把它删除了.其余的仍然有效！ (我希望)

解决方法:

捕获异常意味着堆栈跟踪可能非常昂贵：

https://docs.python.org/2/faq/design.html#how-fast-are-exceptions

在两种情况下,例外非常有效：

>尝试……终于
>尝试…除外,假设没有抛出任何异常

但是,当发生异常并捕获所需的堆栈跟踪时
增加了很多开销.

标签：python,memoization,fibonacci,python-decorators
来源： https://codeday.me/bug/20190528/1172998.html