- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我目前正在处理一个超过 200 万行的文件。我将这些行分隔成元素列表(例如:[a,b,c,d]
= 1 行,单词分隔)。
我正在尝试使用以下代码遍历所有行:
for a in aud:
for esps in final:
if a[0] in final[esps]:
a[0] = esps
在第一个 for 循环中,我指的是超过 200 万行。在第二个 for 循环中,它遍历一个包含 2010 个键的字典,每个键可能至少有 50 个对应值。我想在与字典中的值相等的行中找到 a[0]
元素。如果它们匹配,我将所选行中的 a[0]
元素更改为字典键的值。
问题是这段代码需要很长时间才能运行,而且我不太了解(一无所知)优化以及如何更快地运行它。如果有人能告诉我如何更快地做这样的事情,我将不胜感激。
最佳答案
当你有“大”事情要处理时,就像这样,让事情快速进行的关键是“降低算法复杂性”——也就是说,尽可能避免任何依赖于任一数据集大小的操作。
在您提供的示例中,您对数百万行中的每一行执行 50 x 2000 线性搜索 - 这很多!问题在于,如果您的每个 final[esps]
都是一个列表,Python 会在这 50 个值中执行线性搜索 - 使用运算符 in
。
既然你提到你正在从一个文件中读取你的值,我必须假设 a[0] 和 final
行中的元素都是字符串 - 但这也适用于数字.
第一个非常简单的优化是简单地将列表中的 final
字典行更改为 set
- 使用 set
匹配in
运算符从线性变为恒定时间(从 O(m) 到 O(1) ) - 因此,如果在运行之前,您基本上将搜索时间缩短了 50 倍您在示例中执行的代码:
for key in final:
final[key] = set(final[key])
但是您仍然在 final
的每个 2010 键中执行线性搜索。将其更改为常量搜索的方法是创建一个反向字典 - 其中一行 final
中的 50 个值中的每一个都指向键 esp
。然后您只需使用 a[0] 作为这个反向字典中的键 - 您将 100000 项 (2000 x 50) 中的线性搜索替换为字典中恒定时间的搜索;
这很容易实现 - 只需将您的代码更改为:
rfinal = {}
for esp, values in final.items():
for value in values:
rfinal[value] = esp
for a in aud:
if a[0] in rfinal:
a[0] = rfinal[a[0]]
else:
# code for when there is no match for a[0]
...
关于Python循环优化,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43827281/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!