专栏首页程序员的知识天地Python的7个台阶,你怎么走?

Python的7个台阶,你怎么走?

来看一道有点意思的题目,有点意思的意思呢,不是说难,而是题目一想好像很难,但是如果找对了解决的思路,就能迎刃而解了。

问题是这样的:

假如这里有 n 个台阶,你可以选择每次完成一个台阶 或者 两个台阶,试问走完这 n 个台阶有多少种走法呢?

举个例子,如果有 7 个台阶,你可以选择 2 - 2 - 2 - 1 走完,也可以选择 2 - 1 - 1 - 1 - 2 走完。

这道题在群里,有人面试的时候被提问过,而正巧的是我在极客时间的 《数据结构与算法之美》 这个课程里学习过。

在往下看答案之前,你可以尝试自己思考如果是你自己来完成这道题目,会有什么思路?

接下来,我就分享一下这个题目的解法。

你可能不会想到这个题目居然可以用递归来解决吧?真的是思路清晰,简单又粗暴。

首先,你跨出的每个第一步,都只有两种选择,要么跨出一个台阶,要么跨出两个台阶。而每个下一步又是一个全新的开始,又面临着两种选择。你看,有点递归的味道了吧?每个过程都是重复的过程。

写递归函数,有两个最重要的点:

  • 递推公式:f(n) = f(n-1) + f(n-2)
  • 终止条件:f(1) = 1,f(2) = 2

用 Python 写一下:

def calc_step_recursion(num):
    if num == 1:
        return 1
    if num == 2:
        return 2

    return calc_step_recursion(num - 1) + calc_step_recursion(num - 2)

计算一下结果有多惊人

calc_step_recursion(10)
# 89

calc_step_recursion(20)
# 10946

如果今天只有这点内容那就太没有诚意了。

让我们尝试着对这个函数进行深度思考,就会发现这个函数会有一些问题。

第一个问题

这个递归写得虽然简洁,但是却有大量的重复计算。比如:

f(5) = f(4) + f(3) 
     = f(3) + f(2) + f(3) 
     = f(2) + f(1) + f(2) + f(2) + f(1)

这里面,f(2) 就要运算 3 次,f(1) 要运算 2 次。

当我们的 n 为一个比较大的数时,这个运算过程会浪费很多的时间。

正好之前在看 《流畅的Python》 这本书的时候,学习到了一个非常好用的内置装饰器(lru_cache)。它可以将这些函数的运行结果保存下来(其实就是缓存),避免传入重复参数造成重复计算。

import functools

@functools.lru_cache()
def calc_step_recursion(num):
    if num == 1:
        return 1
    if num == 2:
        return 2

    return calc_step_recursion(num - 1) + \
           calc_step_recursion(num - 2)

来看看加上这个装饰器后,性能到底提升了多少,这里用时间来衡量。

# 不加
calc_step_recursion(40)
# time:25.780471086502075 秒

#  加
calc_step_recursion(40)
# time:0.0001678466796875 秒

第二个问题

使用递归的时候,我们都知道递归会出现堆栈溢出的风险。

为了避免这个问题,通常我们会将这个递归实现转换成循环迭代。

def calc_step_loop(num):
    step1 = 1
    step2 = 2
    for step in range(2, num):
        total = step1 + step2
        step2, step1 = total, step2
    return total

使用迭代循环的方式,不仅不会有重复计算的问题,而且又避免出现堆栈溢出的风险。可谓是一举两得。

同样地,也来看一下,它的运行时长,比使用递归的方法可好多了。

calc_step_loop(40)
# time:0.0000348091125488 秒

在写代码的时候,小明个人建议在实现基本的功能需求后,应当放些精力在代码的优化上,尽自己最大的努力,提高代码的健壮性及其性能等。这样才能变成一个有灵魂的程序员,而不是只会 CRUD 的码农。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 前端学习之CSS(二)

    (内联样式)Inline style > (内部样式)Internal style sheet >(外部样式)External style sheet > 浏览...

    一墨编程学习
  • 提升 Web 应用的代码质量【干货持续输出】

    Web 应用的质量提升,是一个非常有意思的话题。我们明知道有一系列的手段可以提升代码质量,但是限于多种原因,我们并不会去做。在我工作的第一个项目里,由于大家都是...

    一墨编程学习
  • python基础教程:内置函数(一)

    Python解释器内置了很多函数和类型,可以随时随地在编程中使用。其实,我们在前面的学习中已经接触过好多内置函数。

    一墨编程学习
  • C语言实现顺序栈

    源代码已上传到 GitHub Data-Structure-of-C,欢迎大家下载 C语言实现数据结构

    忆想不到的晖
  • 【直播】我的基因组 35:bam格式转化为bw格式看测序深度分布

    我们在之前说到过bam文件还有55G大小,这样的文件,在很多时候都不方便查看和转移。而有些时候,我们只需要我们的测序数据在全基因组的测序深度这一个值,并不需要具...

    生信技能树
  • 关关的刷题日记07——Leetcode 26. Remove Duplicates from Sorted Array 方法1

    关小刷刷题07 – Leetcode 26. Remove Duplicates from Sorted Array 方法1 题目 Given a sorted...

    WZEARW
  • 15年前,一则公路旁的Google的招聘广告

    最近小李在看吴军博士的《浪潮之巅》一书,下册书中讲到了Google公司的发展故事,作者用了其14个不为人知或被公众忽略的侧面来描述这个传奇的公司。而在对Goog...

    老肥码码码
  • Python装饰器探秘

    add的功能是计算x和y的值,我们称作功能函数。 logger的作业是在执行add函数的同时再打印了其他的信息,这部分的作为add的功能增强,我们称为装饰。 在...

    Python中文社区
  • AI_第一部分 数据结构与算法(13.图解递归)

    第四阶段我们进行深度学习(AI),本部分(第一部分)主要是对底层的数据结构与算法部分进行详尽的讲解,通过本部分的学习主要达到以下两方面的效果:

    还是牛6504957
  • Tree - 111. Minimum Depth of Binary Tree

    Given a binary tree, find its minimum depth.

    用户5705150

扫码关注云+社区

领取腾讯云代金券