我想知道为什么这段代码给了我两种不同的解决方案:
a = 0
b = 1
solution = 0
while b <= 4000000:
if b % 2 == 0:
solution += b
a, b = b, a + b
print(solution)
在这种情况下,solution
4613732。但是,当我尝试此代码时:
a = 0
b = 1
solution = 0
while b <= 4000000:
if b % 2 == 0:
solution += b
a = b
b = a + b
print(solution)
solution
是4194302
有什么建议吗?
差异解释
因为你写:
a = b
b = a + b
在你的第二种方法中。这意味着在第一行之后,a
的值为b
。第二条生产线将产生b = a + b = b + b
所以两倍b
.换句话说,第二个实际上将经历两个的幂。
这在第一种方法中不会发生,因为您写道:
a, b = b, a + b
因此,您首先构造一个元组(b,a+b)
(使用a
并b
旧值)。接下来,您将该元组解压缩到a
中,然后再次b
。但您首先使用旧值评估a + b
。这是本质区别。
更有效的方法
你想总结偶数斐波那契数。但是,您可以更有效地做到这一点。如果你对斐波那契数列进行分析,你会发现它是结构化的:
o o e o o e o o e ...
o
是奇数,e
是偶数。因此,您可以简单地使用三个跃点,例如:
a = 1
b = 2
solution = 0
while b <= 4000000:
solution += b
a,b = a+2*b,2*a+3*b
print(solution)
因此,在这里,我们节省了迭代和检查b
是否均匀:我们只知道它总是偶数。
当使用timeit
(在Linux上使用Python 3.5.3和GCC 6.3.0)时,我们得到以下结果:
original 3.4839362499988056
optimized 1.5940769709995948 45.755%
因此,优化程序的平均运行时间约为原始程序的一半。
仅仅是因为,赋值运算符右侧的所有表达式都会首先被计算。
因此,假设您有以下代码:
a = 5
b = 7
a, b = b, a + b
您希望为a
分配值 7,然后b
分配值 14,即a
的总和,并使用新值a
b
。
实际上,在=
运算符的右侧,b
的计算结果为 7,a+b
的计算结果为 12
a, b = 7, 12