什么是memoization，我如何在Python中使用它？
我刚开始使用Python，我不知道memoization是什么以及如何使用它。 另外，我可以有一个简化的例子吗？
记忆有效地指的是基于方法输入记忆方法调用的结果（“记忆”→“备忘录”→被记住），然后返回记忆的结果而不是再次计算结果。 您可以将其视为方法结果的缓存。 有关更多详细信息，请参阅第387页， 以了解算法导论 （3e）中的定义，Cormen等人。
在Python中使用memoization来计算阶乘的简单例子就像这样：
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]
您可以变得更加复杂，并将memoization过程封装到一个类中：
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)
#Warning: You may wish to do a deepcopy here if returning objects
return self.memo[args]
然后：
def factorial(k):
if k < 2: return 1
return k * factorial(k - 1)
factorial = Memoize(factorial)
在Python 2.4中增加了一个名为“装饰器”的功能，它允许您现在简单地编写以下内容来完成相同的任务：
@Memoize
def factorial(k):
if k < 2: return 1
return k * factorial(k - 1)
Python装饰器库有一个类似的装饰器，称为memoized ，它比这里显示的Memoize类Memoize 。
Python 3.2的新功能是functools.lru_cache 。 默认情况下，它只缓存128个最近使用过的调用，但是您可以将maxsize设置为None以指示缓存永不过期：
import functools
@functools.lru_cache(maxsize=None)
def fib(num):
if num < 2:
return num
else:
return fib(num-1) + fib(num-2)
这个功能本身非常慢，请尝试fib(36) ，你将不得不等待大约十秒钟。
添加lru_cache注释可确保如果最近为特定值调用该函数，则不会重新计算该值，而是使用缓存的先前结果。 在这种情况下，它会导致速度的巨大提升，而代码不会混淆缓存的细节。
其他答案涵盖了它的相当好。 我没有重复。 只是可能对你有用的一些观点。
通常，memoisation是一种操作，您可以将其应用于计算某些内容（昂贵）并返回值的任何函数。 正因为如此，它通常作为装饰器来实现。 这个实现非常简单，它会是这样的
memoised_function = memoise(actual_function)
或表达为装饰者
@memoise
def actual_function(arg1, arg2):
#body