如何优化数千次检查数千个列表元素？
How to optimize checking thousands of list elements thousands of times?
我正在尝试开发一个程序，通过“Collatz 猜想函数”运行 前 n 个整数，表示为“c(x)”，其中任何奇数更新为自身的三次加1，任何偶数都会更新为自身的一半，它会一直运行直到数字更新为 1。这只是一个编程练习。我不想用这个来证明任何事情。我只是想了解位操作等优化。
为了加快这个过程，我让它创建了一个列表，列出了它通过这个函数生成的每个唯一数字，如果它生成了一个之前生成的数字，那么它就会移动到下一个输入。但是，这会产生问题，每次再次运行该函数时，都会花费 负载 的时间来检查列表中的每个元素（称为“nums”）。
我使用的代码如下所示：
if x not in nums:
nums.append(int(x))
c(x)
有没有一种方法可以更快地检查此列表中的已生成号码？或者是否有一种完全不同的方式可以消除列表 and/or 完全检查每个元素的需要？一旦你开始超过 n = 100,000（意味着 100,000 个起始输入），检查列表需要明显更长的时间，并且任何优化都可以减少整个小时的计算更大的 n 值。
如果您将算法实现为递归函数，那么我建议查看 functools 函数 cache（或 lru_cache）。
如果您有一个处理密集型函数，这些装饰器将存储给定输入的结果，这样，如果稍后在同一进程中再次调用，该函数可以 return 先前计算的结果结果。对于高度递归的算法（如阶乘，在某种程度上，collatz），这可以节省大量时间。
就是说，如果您以递归方式实现算法，则可能会达到 Python 的递归限制。
我正在尝试开发一个程序，通过“Collatz 猜想函数”运行 前 n 个整数，表示为“c(x)”，其中任何奇数更新为自身的三次加1，任何偶数都会更新为自身的一半，它会一直运行直到数字更新为 1。这只是一个编程练习。我不想用这个来证明任何事情。我只是想了解位操作等优化。
为了加快这个过程，我让它创建了一个列表，列出了它通过这个函数生成的每个唯一数字，如果它生成了一个之前生成的数字，那么它就会移动到下一个输入。但是，这会产生问题，每次再次运行该函数时，都会花费 负载 的时间来检查列表中的每个元素（称为“nums”）。
我使用的代码如下所示：
if x not in nums:
nums.append(int(x))
c(x)
有没有一种方法可以更快地检查此列表中的已生成号码？或者是否有一种完全不同的方式可以消除列表 and/or 完全检查每个元素的需要？一旦你开始超过 n = 100,000（意味着 100,000 个起始输入），检查列表需要明显更长的时间，并且任何优化都可以减少整个小时的计算更大的 n 值。
如果您将算法实现为递归函数，那么我建议查看 functools 函数 cache（或 lru_cache）。
如果您有一个处理密集型函数，这些装饰器将存储给定输入的结果，这样，如果稍后在同一进程中再次调用，该函数可以 return 先前计算的结果结果。对于高度递归的算法（如阶乘，在某种程度上，collatz），这可以节省大量时间。
就是说，如果您以递归方式实现算法，则可能会达到 Python 的递归限制。