本文记录LeetCode刷题一些知识点，水平有限还望多多指正
斐波那契序列 Tn 定义如下：
T0 = 0, T1 = 1, 且在 n >= 0 的条件下 Tn+2 = Tn + Tn+1
给你整数 n，请返回第 n 个泰波那契数 Tn 的值。
方法一：使用递归
class Solution:
def fabonacci(self, n: int) -> int:
if n<2:return n
return self.tribonacci(n-1)+self.tribonacci(n-2)
结果：超时
改进：使用lru缓存加速
import functools
class Solution:
@functools.lru_cache(None)
def fabonacci(self, n: int) -> int:
if n<2:return n
return self.tribonacci(n-1)+self.tribonacci(n-2)
结果：38ms 13.8 MB
方法二：使用循环
class Solution:
def fabonacci(self, n: int) -> int:
a, b = 0, 1
for i in range(n) :
a, b = b, a+b
return a
结果：40ms 13.8 MB
Note:functools模块
functools模块用于高阶函数，作用与或者返回其它函数的函数。一般来说，对于该模块，任何可调用对象都可以视为一个函数
-
@functools.lru_cache(maxsize=128, typed=False)：该函数装饰器使用 LRU缓存算法来缓存相对耗时的函数结果，避免传入相同的参数重复计算。同时，缓存并不会无限增长，不用的缓存会被释放。其中 maxsize 参数用于设置缓存占用的最大字节数，typed 参数用于设置将不同类型的缓存结果分开存放。
除此之外模块中还有：
functools.cmp_to_key(func)：将老式的比较函数（func）转换为关键字函数（key function）。在 Python 3 中比较大小、排序都是基于关键字函数的，Python 3 不支持老式的比较函数。@functools.total_ordering：这个类装饰器（作用类似于函数装饰器，只是它用于修饰类）用于为类自动生成比较方法。通常来说，开发者只要提供 lt()、le()、gt()、ge() 其中之一（最好能提供 eq() 方法），@functools.total_ordering装饰器就会为该类生成剩下的比较方法。functools.partial(func, *args, **keywords)：该函数用于为 func 函数的部分参数指定参数值，从而得到一个转换后的函数，程序以后调用转换后的函数时，就可以少传入那些己指定值的参数。functools.partialmethod(func, *args, **keywords)：该函数与上一个函数的含义完全相同，只不过该函数用于为类中的方法设置参数值。functools.reduce(function, iterable[, initializer])：将初始值（默认为 0，可由 initializer 参数指定）、迭代器的当前元素传入 function 函数，将计算出来的函数结果作为下一次计算的初始值、迭代器的下一个元素再次调用 function 函数……依此类推，直到迭代器的最后一个元素。＠functools.singledispatch：该函数装饰器用于实现函数对多个类型进行重载。比如同样的函数名称，为不同的参数类型提供不同的功能实现。该函数的本质就是根据参数类型的变换，将函数转向调用不同的函数。functools.update_wrapper(wrapper, wrapped, assigned=WRAPPER_ASSIGNMENTS, updated=WRAPPER_UPDATES：对 wrapper 函数进行包装，使之看上去就像 wrapped（被包装）函数。@functools.wraps(wrapped, assigned=WRAPPER_ASSIGNMENTS, updated=WRAPPER_UPDATES)：该函数装饰器用于修饰包装函数，使包装函数看上去就像 wrapped 函数。
通过介绍不难发现，functools.update_wrapper 和 ＠functools.wraps 的功能是一样的，只不过前者是函数，因此需要把包装函数作为第一个参数传入；而后者是函数装饰器，因此使用该函数装饰器修饰包装函数即可，无须将包装函数作为第一个参数传入。
