如何优化简易Python电影推荐程序的运行效率？

一、核心问题拆解 #

当前代码的重复点在于每个电影类型的长度筛选逻辑完全一致，仅类型字段不同。这种重复不仅增加维护成本，还容易出现修改遗漏的问题。

二、具体优化步骤 #

1. 提取通用筛选函数 #

把重复的筛选逻辑封装成独立函数，接收目标类型和长度条件作为参数，彻底消除重复代码：

def filter_movies(target_genre, length_condition):
    filtered = []
    for movie in movies:
        # 先匹配类型（忽略大小写）
        if movie[1].lower() != target_genre.lower():
            continue
        # 根据长度条件筛选
        runtime = movie[2]
        if length_condition == "1.5 - 2":
            if 1.5 <= runtime <= 2:
                filtered.append(movie)
        elif length_condition == "2 - 2.5":
            if 2 < runtime <= 2.5:
                filtered.append(movie)
        elif length_condition == "2.5+":
            if runtime > 2.5:
                filtered.append(movie)
        elif length_condition == "No preference":
            filtered.append(movie)
    return filtered

2. 简化主流程逻辑 #

主函数只需处理用户输入，调用通用函数即可，无需为每个类型写重复分支：

movies = [
    ["Wedding Crashers", "Comedy", 2],
    ["Horrible Bosses", "Comedy", 1.75],
    ["Dodgeball", "Comedy", 1.5],
    ["Superbad", "Comedy", 2],
    ["Dumb and Dumber", "Comedy", 1.75],
    ["Shawshank Redemption", "Drama", 2.33],
    ["Goodwill Hunting", "Drama", 2],
    ["The Departed", "Drama", 2.5],
    ["Whiplash", "Drama", 1.75],
    ["Manchester by the Sea", "Drama", 2.25],
    ["Die Hard", "Action", 2.25],
    ["John Wick", "Action", 1.75],
    ["Terminator", "Action", 1.75],
    ["First Blood", "Action", 1.5],
    ["Predator", "Action", 1.75],
    ["The Conjuring", "Horror", 2],
    ["Sinister", "Horror", 2],
    ["Insidious", "Horror", 2]
]

def filter_movies(target_genre, length_condition):
    filtered = []
    for movie in movies:
        if movie[1].lower() != target_genre.lower():
            continue
        runtime = movie[2]
        if length_condition == "1.5 - 2":
            if 1.5 <= runtime <= 2:
                filtered.append(movie)
        elif length_condition == "2 - 2.5":
            if 2 < runtime <= 2.5:
                filtered.append(movie)
        elif length_condition == "2.5+":
            if runtime > 2.5:
                filtered.append(movie)
        elif length_condition == "No preference":
            filtered.append(movie)
    return filtered

def program():
    print("欢迎来到电影推荐程序！")
    print("我们将帮你找到合适的电影！")
    start = input("是否开始？y/n ")
    if start.lower() == "y":
        genre = input("你感兴趣的类型是？可选：Comedy, Drama, Action, Horror - 请选择一个： ")
        length = input("你对电影时长有偏好吗？可选：1.5 - 2, 2 - 2.5, 2.5+, No preference - 请选择一个： ")
        # 调用通用函数筛选并输出结果
        recommended = filter_movies(genre, length)
        print("推荐电影：")
        for movie in recommended:
            print(movie)

program()

3. 进阶优化：提升搜索效率 #

如果后续电影数据量增大，可通过以下方式优化：

• 按类型预分组：提前将电影按类型归类到字典中，避免每次筛选都遍历全部电影：

  # 预生成类型分组字典
  genre_groups = {}
  for movie in movies:
      genre = movie[1]
      if genre not in genre_groups:
          genre_groups[genre] = []
      genre_groups[genre].append(movie)
  

  之后筛选时，直接从对应类型的子列表中处理，减少遍历次数。
• 排序+二分查找：将每个类型的电影按时长排序，使用bisect模块快速定位时长范围的边界，适合大数据量场景。

4. 可选：添加输入容错 #

增加输入验证，避免用户输入无效选项导致程序异常：

valid_genres = {"comedy", "drama", "action", "horror"}
while genre.lower() not in valid_genres:
    genre = input("输入类型无效，请重新输入可选类型：Comedy, Drama, Action, Horror - ")

valid_lengths = {"1.5 - 2", "2 - 2.5", "2.5+", "No preference"}
while length not in valid_lengths:
    length = input("输入时长选项无效，请重新输入：1.5 - 2, 2 - 2.5, 2.5+, No preference - ")

三、搜索算法应用说明 #

结合你的需求，不同搜索算法的适用场景：

• 线性搜索：当前代码的实现方式，适合小数据量，逻辑简单直接。
• 分块搜索/二分查找：当数据量较大时，先将同类型电影按时长排序，再用二分查找快速定位符合时长范围的电影，能大幅提升搜索效率。

内容的提问来源于stack exchange，提问作者Paulie Walnuts