python - 在 Python 方法中内存单个参数

Question

我编写了一个 Numpy 实现，它使用 Cox-de Boor 递归算法来计算 B 样条基函数。我想为给定的 ordermemoize 对象实例，但保留关于 xi 的可调用函数。

换句话说，在对象被实例化之后，递归函数应该被“设置”，但在xi 仍然可以调用。我真的需要这个来提高速度，因为我会多次调用该函数并且不想一遍又一遍地重建递归函数。

这是当前的实现:

import numpy as np

#Turn off divide by zero warning because we explicitly check for it
np.seterr(divide='ignore')

class Bspline():

    def __init__(self, knot_vector, order):

        self.knot_vector = knot_vector
        self.p = order


    def __basis0(self, xi):

        return np.where(np.all([self.knot_vector[:-1] <=  xi, 
                            xi < self.knot_vector[1:]],axis=0), 1.0, 0.0)

    def __basis(self, xi, p):

        if p == 0:
            return self.__basis0(xi)
        else:
            basis_p_minus_1 = self.__basis(xi, p - 1)

            first_term_numerator = xi - self.knot_vector[:-p] 
            first_term_denominator = self.knot_vector[p:] - self.knot_vector[:-p]

            second_term_numerator = self.knot_vector[(p + 1):] - xi
            second_term_denominator = self.knot_vector[(p + 1):] - self.knot_vector[1:-p]

            first_term = np.where(first_term_denominator > 1.0e-12, 
                              first_term_numerator / first_term_denominator, 0)
            second_term = np.where(second_term_denominator > 1.0e-12,
                               second_term_numerator / second_term_denominator, 0)

            return  first_term[:-1] * basis_p_minus_1[:-1] + second_term * basis_p_minus_1[1:]


    def __call__(self, xi):

        return self.__basis(xi, self.p)

并用作

knot_vector = np.array([0,0,0,0,0,1,2,2,3,3,3,4,4,4,4,5,5,5,5,5])
basis = Bspline(knot_vector,4)
basis(1.2)

返回在 1.2 评估的基函数。但是，我需要多次调用此函数，正如现在所写的那样，每次调用都会重构递归函数，这不是必需的，因为递归级别在实例化时设置为 4

Answer 1

使用 functools.lru_cache 可以很容易地记住任何东西在 Python3 中，或者在 Python2.7 中使用类似 this 的东西:

class Bspline(object):
    ...

    # Python2.7
    @memoize
    # or, Python3*
    @functools.lru_cache()
    def op(self, args):
        return self._internal_op(xi)