技術記錄

一次搞懂物件導向程式設計的特性

會寫程式很簡單，寫出好的程式很難。上次寫了一篇 Clean Code 筆記，算是比較進階的，最近剛好複習了比較基本的一些物件導向相關原則與特性，於是就寫出了這篇。

這些物件導向的基本觀念和 Clean Code 一樣，平常可以幫助自己讓 code 寫得更易懂且更好維護，而且 Code Review 時可以拿來嗆同事（Ｘ），同時也算是面試的熱門考題之一，因此一次整理成一篇記下來，希望能幫助到自己和其他剛好找到這篇的人。

這邊主要以條列和簡單說明為主，因為我相信原則和定律皆由其簡單的解釋方式，若要更深的討論也是可以分別寫成文章的，但就不是這篇的目的了。

Python 費氏數列解法（五）：不同解法的執行時間比較

終於來到最後一篇了，前面幾篇依序寫了各種不同費氏數列的寫法，包含：遞迴、迭代、矩陣、從矩陣衍生的Fast doubling、以及最後公式解和補充的精確版公式解。

從時間複雜度來看，從矩陣開始都是 $O(\lg n)$（如果我們把公式解內指數運算當作 $O(\lg n)$ 的話），那這三個哪個比較快呢？

這篇文章裡面用 c 比較了 fast doubling 和公式解，發現號稱常數時間複雜度的公式解，反而慢上很多，而且還需要考慮精確度問題。

使用 Decimal 提高浮點運算精確度

在第四篇提到費氏數列的公式解會遇到浮點數問題，只能精準算到 122 位。因為浮點數是利用二進位的小數來做儲存，對於非二進位的數字會有誤差。而且其儲存位數有上限，對於無理數的運算，超過一定的大小就會出現精確度問題。

所以這篇就要來簡單使用 Python 內建的 Decimal module 來拉高浮點數運算的精確度。