เทคนิคเพิ่มประสิทธิภาพ

# ❌ ช้า: ค้นใน list เป็น O(n) ต่อครั้ง
allowed_list = list(range(100000))
def check_slow(x):
    return x in allowed_list      # ไล่ทีละตัว

# ✅ เร็ว: ค้นใน set เป็น O(1) ต่อครั้ง
allowed_set = set(range(100000))
def check_fast(x):
    return x in allowed_set       # กระโดดถึงเลย

# ลอง timeit เทียบ — set เร็วกว่าหลายร้อยเท่าเมื่อข้อมูลเยอะ

# ❌ O(n²): หาคู่ที่บวกกันได้ target ด้วย loop ซ้อน
def two_sum_slow(nums, target):
    for i in range(len(nums)):
        for j in range(i + 1, len(nums)):
            if nums[i] + nums[j] == target:
                return (i, j)

# ✅ O(n): ใช้ dict จำตัวที่เคยเจอ
def two_sum_fast(nums, target):
    seen = {}
    for i, n in enumerate(nums):
        if target - n in seen:
            return (seen[target - n], i)
        seen[n] = i

import functools

@functools.lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return n
    return fib(n - 1) + fib(n - 2)

print(fib(40))   # เร็วมาก เพราะผลที่คำนวณแล้วถูก cache ไว้
# ไม่มี cache: fib(40) คำนวณซ้ำเป็นล้านครั้ง ช้ามาก

# ❌ สร้าง list ใหญ่ในหน่วยความจำ
total = sum([i * i for i in range(10_000_000)])

# ✅ generator: ผลิตทีละตัว ไม่กอง RAM
total = sum(i * i for i in range(10_000_000))