- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我正在尝试比较两个文件,这些文件有大约 70k 行,使用我当前的算法需要大约 5 分钟才能完全比较所有文件。
基本上我所做的是获取两个文件的所有行并将它们放入列表中,因此它看起来像这样。
compare_list_new=[['Albert','V4','25.000','45.000','1.3500'],
['James','V4','22.000','43.000','1.4000'], ['James','V5','23.000','41.000','1.3000']]
compare_list_old=[['Albert','V4','25.000','45.000','1.3900'],
['James','V4','22.000','43.000','1.2000'], ['James','V5','23.000','41.000','1.2000']]
想法是两个文件有相似的名字,所以要在旧条目中找到新条目,我们必须根据坐标搜索,所以如果我想从新到旧找到特定的 James,我必须使用“22.000”、“43.000”。
找到条目后,我从新文件中取出 1.4000,从旧文件中取出 1.2000,然后减去它们以找到从旧文件到新文件的增量。
这是我当前使用的算法:
# This is not important
import time
import timeit
import bisect
from operator import itemgetter
import time
compare=open("factor.output.new.txt","w")
compare_list_new=[]
compare_list_old=[]
newlist=[]
#File Count algorithm
start = time.time() # Tracks execution time
def list_create(fname): #Makes the list in the appropriate format
newlist=[]
with open(fname) as file:
for i, line in enumerate(file):
if i>6:
for line in file:
lines_list=line.split(" ")
del lines_list[0]
del lines_list[2:29]
del lines_list[5:12]
newlist.append(lines_list)
return newlist
#Creates lists and sorts them
compare_list_new=list_create("par_iop.pwr.sfactor.output_new.ipf")
compare_list_new=sorted(compare_list_new, key=itemgetter(2))
compare_list_old=list_create("par_iop.pwr.sfactor.output_old.ipf")
compare_list_old=sorted(compare_list_old, key=itemgetter(2))
compare.write("Name Version Coordinate_x Coordinate_y Sfactordelta FLAG\n")
compare_list_copy=compare_list_old #Makes a copy of the list
for item in compare_list_new: # compares both lists
end = time.time()
print(end - start)
for line in compare_list_old:
if item[0:4] == line[0:4]:
s1=float(item[4])
s2 = float(line[4])
delta=s1-s2
delta=format(delta,'.4f')
item[4]=str(delta)
text = " ".join(item)
compare.write(text +" " +"\n")
compare_list_copy.remove(line)
match=1
break
if(match==1):
compare_list_old=compare_list_copy
match=0
else:
text=" ".join(item)
compare.write(text + " " + "ITEM NOT FOUND IN OLD FILE BUT IS IN NEW FILE""\n")
try:
compare_list_copy.remove(line)
except ValueError:
pass
compare_list_old = compare_list_copy
compare.close()
本质上是比较两个列表的部分,如果它们匹配,则在对它们进行排序后,它将执行操作以获取增量并将其从副本中删除,然后使旧的等于副本,这样它就不会在遍历列表时删除项目。如果该项目不匹配,则表示它不在旧文件中,但在新文件中。
我想要一些可能使这个过程更快的东西。
最佳答案
这里有很多代码,缩进明显不正确,所以我什至不知道逻辑到底应该是什么,也没有迹象表明你认为哪一部分很慢(或者你是怎么知道的),但有一件事立刻跳出来:
compare_list_copy.remove(line)
…和另一个remove
稍后。
首先,无论何时调用 lst.remove(val)
,列表都必须进行线性搜索,将每个元素与 val
进行比较。但是您已经知道所需元素的索引(或者更确切地说,您可以仅通过使用 enumerate
就知道它),因此整个搜索都被浪费了;只需 del lst[idx]
即可。
其次,无论您是remove
还是del
,您仍然是从数组的中间删除。这意味着将所有后续元素向上移动一个位置。它有一个更快的常量(它只是一个大的 memmove,而不是一堆对比较函数的调用),但它仍然是线性的。
并且您在内部循环中执行此操作。因此,您将 N
的额外因子乘以您已经二次方的时间。如果您只是按照对数搜索对相同数据进行线性搜索,那么您通过 bisect
以对数而不是线性时间进行搜索所付出的任何努力都将被浪费。
如果你需要一些你可以在对数时间搜索,也可以在对数时间修改的东西,你想要的是某种树(或树列表结构,如跳表)。 PyPI 上有很好的库,其中包含各种二叉树和 b 树变体,或者您可以在维基百科上查找算法。
或者您可以只获取诸如 Sorted Containers 库之类的东西,它可以在更高的层次上进行包装。例如,sorteddict
的行为很像 dict
,但您可以搜索最近的键而不是精确匹配,或者搜索给定范围内的所有键等。在幕后,它与某种混合的 rope-of-btrees 或其他东西一起工作,但你不需要关心这些细节;重要的是它保证在对数时间内完成您需要的所有操作。
完成此操作后,至少两个外部循环中的一个也可以有利地转换为对数搜索(使用树几乎可以免费获得)。
此时你的总时间是 O(log**2 N * N)
而不是 O(N**3)
,这是一个巨大的差异。
如果您不习惯用算法复杂性来处理性能,请考虑一下:只有 1000 个元素,立方时间需要 1000*1000*1000
= 10 亿步;对数平方线性时间需要 10*10*1000
= 100,000 步。这就是天和秒之间的差异。
关于python - 更快地比较两个列表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51390354/
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!