python - 对于这个特定任务，字典或元组列表会更有效吗？

Question

我编写了一个脚本，其目的是通过反复试验(马尔可夫链蒙特卡罗)找到最适合函数的参数。参数的可行性由 chi 值判断——chi 越低越好。

下面是我目前编写的代码的一部分:

chi1 = fun_chi(B1,G1,C11,C21,C31,C41,C01)
BGCchilist = []
count = -1

for i in range(iteration_MCMC):
    count = count + 1
    print(count)
    B2,G2,C12,C22,C32,C42,C02 = gen_param(B1,G1,C11,C21,C31,C41,C01)
    chi2 = fun_chi(B2,G2,C12,C22,C32,C42,C02)
    ratio = np.exp((-chi2 + chi1) / 2)
    rand = np.random.uniform(0,1)
    if rand < ratio:
        B1 = B2
        G1 = G2
        C11 = C12
        C21 = C22
        C31 = C32
        C41 = C42
        C01 = C02
        chi1 = chi2
    ##save the data
    Bsave = B1
    Gsave = G1
    C1save = C11
    C2save = C21
    C3save = C31
    C4save = C41
    C0save = C01
    chisave = chi1
    BGCchilist.append((Bsave,Gsave,C1save,C2save,C3save,C4save,C0save,chisave))

Blist = [x[0] for x in BGCchilist]
Glist = [x[1] for x in BGCchilist]
C1list = [x[2] for x in BGCchilist]
C2list = [x[3] for x in BGCchilist]
C3list = [x[4] for x in BGCchilist]
C4list = [x[5] for x in BGCchilist]
C0list = [x[6] for x in BGCchilist]
chilist = [x[7] for x in BGCchilist]
minchi = min(x[7] for x in BGCchilist)
mintuple = [x for x in BGCchilist if x[7] == minchi]

我最终通过 Matplotlib 分别绘制所有这些列表与迭代的关系图，然后将 mintuple 保存为文本文件。

一位同事看了看这个并告诉我也许使用字典会更好，每次迭代我都会做类似 a_dictionary[chisave] = (B,G,...C0 ) 然后通过查找字典中的最小值找到mintuple。但是，似乎从字典中的值元组中提取列表以进行绘图会更加笨拙并且需要更多步骤。

字典方法是否允许更少的步骤、更高的效率，或者这种全列表方法是否可以？

感谢您的帮助。

Answer 1

这是根据评论做出的回答。我以为是关于效率的问题，但仔细检查后，看起来是关于如何清理代码的问题。如果那是 session ，那么以下内容可能会有用:

对于第一部分，我们只是将所有内容都保存为一个元组，并像这样使用 inlace 扩展......

par1 = B1,G1,C11,C21,C31,C41,C01
chi1 = fun_chi(*par1)
BGCchilist = []

for i in range(iteration_MCMC):

    print (i-1)

    par2  = gen_param(*par1)
    chi2  = fun_chi(*par2)
    ratio = np.exp((-chi2 + chi1) / 2)
    rand  = np.random.uniform(0,1)
    if rand < ratio: par1 = par2
    BGCchilist.append(list(par1) + [chi1]) ##save the data

这是逐字逻辑副本。但是，我没有看到 chi1 在 for 循环中被更新。我猜你也希望这种情况发生吗？像这样:

par1 = B1,G1,C11,C21,C31,C41,C01
BGCchilist = []

for i in range(iteration_MCMC):

    print (i-1)

    chi1  = fun_chi(*par1) # This is the change
    par2  = gen_param(*par1)
    chi2  = fun_chi(*par2)

    if np.random.uniform(0,1) < np.exp((-chi2 + chi1) / 2): par1 = par2

    BGCchilist.append(list(par1) + [chi1]) ##save the data

我不确定该算法，因此无法对该部分做出明确评论。

下一部分更有趣。

Blist    = [x[0] for x in BGCchilist]
Glist    = [x[1] for x in BGCchilist]
C1list   = [x[2] for x in BGCchilist]
C2list   = [x[3] for x in BGCchilist]
C3list   = [x[4] for x in BGCchilist]
C0list   = [x[6] for x in BGCchilist]
C4list   = [x[5] for x in BGCchilist]
chilist  = [x[7] for x in BGCchilist]

可以简单地替换为:

BList,  GList,           \
C1List, C2List, C3List   \
C0List, C4List, chilist  = zip(*BGCchilist)

我认为这就是它的作用。请单独检查这部分。

最后，您真的需要所有列表吗？还是您只需要 chiList ？

我想剩下的应该很容易吧？你有什么很好。检查 min 函数中的 key 参数。因此，如果您出于某种原因不想要所有列表，您可以简单地跳过该部分并在 for 循环中找到最小值，或者您可以这样做:

minChi     = min( zip(*BGCchilist)[-1] )
allMinChis = filter( lambda m: m[7] == minChi, BGCchilist)

干杯!

注意我还没有测试代码，所以可能有错误。请检查代码并确保那是您想要的。