編程路上，必不可少的編程技巧
- 2019 年 11 月 20 日
- 筆記
-Tester-也哥-
在編程的過程中，有很多技巧，但是若不注意，就很容易忽略，即使是高級程式設計師會出現一些問題。今天，就幾個編程技巧，進行一下總結，看看這些你是否有注意到？
根據出現的頻率來調整判斷條件的順序
在寫if…elif…else語句時，可以根據判斷條件出現的頻率來調整順序，使得出現頻率越高的條件，越在前面。這樣可以減少判斷條件的次數，提高程式碼的性能與效率。
例如，在計算成績的時候，大家都清楚成績通常是正太分布的，所以先判斷B和C時，能夠減少判斷的次數，提高程式碼效率，如下所示：
if score > 70 and score < 80: performance = "B" elif score > 60 and score < 70: performance = "C" elif score > 90: performance = "A" else: performance = "D"
另外，大家應該都比較熟悉短路判斷，即：
if A and B
如果A不滿足的話，不再對B進行比較。所以，在寫程式碼時，可以將不容易滿足的條件設置為A，減少比較次數，提高程式碼效率。
同理，對於
if A or B
當A滿足條件時，則不執行B。所以，大家在寫程式碼時，可以將容易滿足的條件放在A，而不容易滿足的放在B，減少比較次數，提升程式碼品質。
採用快取的機制
相信快取大家已經很熟悉了，Redis，MemoryCache等都是經典的快取實現，但是在程式碼中如何利用快取呢？
這裡，最經典的就是動態規劃。
看這樣一個問題：一個樓梯有10級，每次走1級或兩級，請問從底走到頂一共有多少種走法？比如，每次走1級台階，一共走10步，這是其中一種走法。我們可以簡寫成 1,1,1,1,1,1,1,1,1,1。再比如，每次走2級台階，一共走5步，這是另一種走法。我們可以簡寫成 2,2,2,2,2。當然，除此之外，還有很多很多種走法。
很容易將問題建立模型為：
F(1) = 1
F(2) = 2
F(n) = F(n-1) + F(n-2) (3 <= n <= 10)
採用動態規劃來求解，演算法程式碼如下：
def climbStairs(n): """ 計算n級台階的走法，每次可走1步或者2步 :param n: 台階總數 :return: n級台階的走法 """ if n < 1: return 0 elif n == 1: return 1 elif n == 2: return 2 else: return climbStairs(n - 1) + climbStairs(n - 2)
熟悉遞歸調用的同學知道，這樣會有很多重複計算。那麼，如何避免重複計算呢？答案很簡單，就是在程式碼中採用快取的機制，當然，也有一些說法是備忘錄機制，大同小異了。演算法程式碼如下：
def climbStairs(n, value): """ 計算n級台階的走法，每次可走1步或者2步 :param n: 台階總數 :param value: 存儲各個不同台階走法的dict :return: n級台階的走法 """ if value.get(n) is not None: return value.get(n) else: if n < 1: value[n] = 0 elif n == 1: value[n] = 1 elif n == 2: value[n] = 2 else: value[n] = climbStairs(n - 1, value) + climbStairs(n - 2, value) return value[n]
另外，在一些計算過程中，對於需要頻繁計算的結果，也可以採用這種快取機制，能夠較好的提升程式碼效率。
簡化相關的數學運算
在編程的過程中，可能會遇到一些數學方面的計算，如果不做簡化的話，將會降低程式碼的效率。這裡比如說，大家都清楚 log()方法返回x的自然對數，對於x>0。但是如果要求以2為底的對數該怎麼辦呢？
通常，根據公式 logb(x) = log(x)/log(b)，所以，Python程式碼可以如下：
def log2(x): import math return math.log(x)/math.log(2)
實現是沒有問題的，但是效率呢？必然會很低。因為每次都會計算log(2)，勢必會增大運算量。如何降低運算量呢？很簡單，將math.log(2)的結果設置為一個常量即可。
