前一篇讲了装饰器额基本知识，装饰器我个人认为是Python中最最最难的知识点，上一篇算是一个入门的介绍，有18个小伙伴给我留言，后台也有很多同学跟我讨论，大家总是觉得不过瘾，好像离深入理解还差那么一丢丢赶脚，装饰器到底有啥妙用呢,其实装饰器内容非常丰富，今天我分享两道非常好的算法题，大家耐心看完两道算法题之后，注意精华在最后，我相信大家对装饰器的理解又会更上一层楼.
1.斐波那契数列
1).这个序列非常有名，我非常喜欢这个序列(有同学问我为啥，偷偷告诉大家，这个序列帮了我不少忙,等下半年我写数据分析文章的时候，会跟大家分享心得)
这个序列也叫兔子序列，网上有很多关于这个序列的解法，我们就直接上代码
我们用推导列表把兔子序列前10项打印出来,有同学说这个跟装饰器有毛关系，不要急，如果我们若打印40项，看看需要花多少时间
import time
start=time.time()
[fib(n) for n in range(40)]
end=time.time()
print 'cost:{}'.format(end-start)
>>
cost:150.200000048
如果我们打印50项，则需要花更多的时间，光40项需要花150多秒,50项就更长了.难是因为这个运算量太大了吗,NONONO,是因为我们算法没有经过优化.
看上面这张图，你会发现我们在计算兔子序列的时候，有大量重复的计算，比如算F(10)=F(9)+F(8),F(9)=F(8)+F(7),F(8)需要重复计算两次~~
怎么破，很容易想到我们需要用一个缓存，把这个计算过的数字存在一个表里面，用的时候若这个数字在这个表，就不用再花cpu去运算，直接取就好了。
2).先把上面的代码改一下,我们申明一个count变量，每次递归都存起来，然后最后再返回
3).接着演变，我们现在构造一个缓冲区cache
我们查表，比如用字典来保存，比如cache[8]=34,我们只需要查一下8是不是在字典里面就可以了，在的话直接取，不在的话再去用算法计算，是不是很爽
看运行40项，几乎不费吹灰之力，非常快
2.爬楼梯
比如我有7阶台阶，我们可以用两种爬发，一次一步或者两步，只能进不能退，算算有多少种爬法
我们先简单分析一下：
若只有一阶台阶，那么不管是一次选择一步还是两步，都只有一种爬法
若只有两阶台阶，选择一步or两步，会有两种爬法
若只有三阶台阶，选择一步然后一步然后一步，或者一步，两步，或者两步，一步，这样有3种爬法
若只有四阶台阶，选择一步，然后剩下3阶台阶的爬法，这3阶爬法可以直接取前面3阶台阶的计算结果
我们先写源码，源码很简单用递归搞定，首先设计递归的出口,当只有1阶或者小于1阶台阶时候，直接return 1
大家有没有发现这个爬楼梯一样存在重复计算的问题,比如5阶的时候，一步一步然后剩下3步，或者两步然后剩下3步
一样需要用到兔子序列的cache方法，那么在climb函数中再重复写一篇，是不是很累赘，这不是Pythonic的风格，有没有比较好的封装方法呢，同时又能不改动原始的代码呢～～有的，牛逼闪闪的Python当然有，就是我们的装饰器啦,好我们看装饰器如何封装搞定
3.装饰器封装
对于兔子序列和爬楼梯，我们用装饰器去封装一下，怎么封装呢，我们一步一步来,参考上一篇入门很容易构建出来
1).创建一个装饰器
def decorate(func):
cache={}
def wrap(n):
if n not in cache:
cache[n]=func(n)
return cache[n]
return wrap
2).装饰一下斐波那契数列
是不是很简洁，装饰器真是个好东西啊~~
3).装饰器参数升级
大家有没有发现我们上面构造的装饰器，入参是一个参数n.如果碰到需要传入的多个参数的函数怎么办，比如我们的爬楼梯原函数就是2个参数，所以我们需要把装饰器写更通俗一点，对用变参
留几个问题:
1.print climb(5,(1,2))为啥不是[1,2]
2.为啥不能加else
def decorator(func):
cache={}
def wrap(*args):
if args not in cache:
cache[args]=func(*args)
else:
return cache[args]
return wrap
3.加缓冲的时候
def fib(n，cache=None):
为啥不能写成def fib(n，cache={}):
好了装饰器的妙用就讲到这里,大家想一想如果我们还有类似的代码需要缓存机制，是不是只需要用装饰器封装一下就行了，是不是代码简洁很多而且容易维护和扩展功能，讲到这里大家是不是对装饰器的妙用有了进一步的理解,若有什么不懂的,也可以留言跟我探讨交流