python - 更高性能的方法从 python 执行这种类型的插入？

Question

给定两个数组 hashes 和 table，对于 hashes 中的每个值，我想将元素的位置存储在元素值的偏移量处在数组 table 中。这是朴素的算法:

def insert_n(table,hashes):
    for x in xrange(len(hashes)):
        table[hashes[x]]=x

这非常慢。 Psyco 在这里帮助了一些人，但几乎没有。

Numpy 有一个解决方案:

numpy.insert(table,numpy.arange(len(hashes)),hashes)

但根据我的基准测试，对于这样一个简单的操作，这仍然非常慢。有没有可以从 python 中使用的更快的方法来执行此操作？

一些额外的示例代码:

import numpy

from time import time

table_size=2**20

hashes_size=2**19

table=numpy.zeros(table_size,dtype=numpy.uint32)

hashes=numpy.fromstring(numpy.random.bytes((hashes_size)*4),
                        dtype=numpy.uint32)%table_size

t0=time()

numpy.insert(table,numpy.arange(len(hashes)),hashes)

print time()-t0

Answer 1

这既快速又简单(假设表和哈希是 numpy.uint32 数组):

table[hashes] = numpy.arange(len(hashes), dtype=numpy.uint32)

你可能想用这个来比较速度:

table[hashes] = xrange(len(hashes))

顺便说一句，numpy.insert 做的事情与您发布的 for 循环不同。