Ejemplo de Reescritura de Código

Este ejemplo muestra cómo analizar y optimizar código usando DeepSeek, incluyendo manejo de errores, comentarios y mejoras de rendimiento.

Tarea

Analice y optimice el siguiente código que es ineficiente y carece de manejo de casos límite:

def fib(n):
    if n <= 2:
        return n
    return fib(n-1) + fib(n-2)

Prompt

El código anterior es ineficiente y no maneja casos límite. Por favor, explique los problemas y soluciones, y optimice el código.

Respuesta

Análisis del Problema

Esta implementación de la función Fibonacci fib(n) utiliza recursión. El código es simple pero tiene los siguientes problemas:

Cálculos Redundantes: Las llamadas recursivas resultan en muchos cálculos repetidos. Por ejemplo, al calcular fib(5), los valores de fib(3) y fib(2) se calculan múltiples veces, reduciendo la eficiencia.
Manejo Insuficiente de Casos Límite: Mientras que el caso n <= 2 está manejado, el caso n < 0 no se considera. La función devuelve resultados incorrectos para entradas negativas.
Límite de Profundidad Recursiva: Para valores grandes de n, la profundidad de recursión puede exceder el límite estándar de Python y causar un RecursionError.

Soluciones

Usar Memoización: Almacenar números Fibonacci calculados en caché para evitar cálculos redundantes y mejorar la eficiencia.
Manejo de Casos Límite: Agregar verificación para n < 0 y devolver un mensaje de error apropiado o un valor predeterminado.
Iteración en lugar de Recursión: La recursión es elegante pero ineficiente para conjuntos de datos grandes. Usar un bucle para calcular números Fibonacci y evitar el límite de profundidad recursiva.

Código Optimizado

Método 1: Recursión con Memoización

def fib(n, memo={}):
    if n < 0:
        raise ValueError("La entrada debe ser un entero no negativo")
    if n <= 2:
        return 1
    if n in memo:
        return memo[n]
    memo[n] = fib(n-1, memo) + fib(n-2, memo)
    return memo[n]

Método 2: Iteración

def fib(n):
    if n < 0:
        raise ValueError("La entrada debe ser un entero no negativo")
    if n <= 2:
        return 1
    
    a, b = 1, 1
    for _ in range(3, n+1):
        a, b = b, a + b
    return b

Explicación

Recursión con Memoización:
- Usa un diccionario memo para almacenar números Fibonacci calculados
- Verifica memo antes de cada llamada recursiva y devuelve el resultado directamente si está disponible
- Lanza un ValueError para entradas negativas
Iteración:
- Usa variables a y b para almacenar los dos últimos números Fibonacci
- Calcula números Fibonacci en un bucle desde 3 hasta n
- También lanza un ValueError para entradas negativas

Resumen

El código optimizado mejora la eficiencia y maneja adecuadamente los casos límite. Tanto la memoización como el método iterativo son técnicas de optimización efectivas, y la elección entre ellas depende de los requisitos específicos y escenarios.

Código para Generar la Respuesta

from openai import OpenAI

client = OpenAI(
    base_url="https://api.deepseek.com/",
    api_key="<YOUR_API_KEY>"
)

completion = client.chat.completions.create(
    model="deepseek-chat",
    messages=[
        {
            "role": "user",
            "content": "El código anterior es ineficiente y no maneja casos límite. Por favor, explique los problemas y soluciones, y optimice el código."
        }
    ]
)

print(completion.choices[0].message.content)