列出Python中的理解以计算列表的最小值和最大值

Question

我有以下代码来计算列表的最小值和最大值，以节省内存效率

x_min = float('+inf')
x_max = float('-inf')

for p in points_in_list:
    x_min = min(x_min, p)
    x_max = max(x_max, p)

其中points_in_list是（大）数字列表。 我想知道是否有一种方法可以使用List Comprehensions计算最小值和最大值并保存内存。

Answer 1

假设一个点有两个属性， x和y ，那么你可以使用

x_min = min(p['x'] for p in points_in_list)来计算x的min

一个例子：

>>> a = {'x': 10, 'y':10}
>>> b = {'x': 5, 'y':20}
>>> c = {'x': 50, 'y':50}
>>> points_in_list = [a,b,c]
>>> points_in_list
[{'y': 10, 'x': 10}, {'y': 20, 'x': 5}, {'y': 50, 'x': 50}]
>>> x_min = min(p['x'] for p in points_in_list)
>>> x_min
5

Answer 2

我是发电机和理解的忠实粉丝，但在这种情况下，似乎它们不是正确的方法，因为：

1. 您想要计算列表的min和max
2. 你的名单很大

如果你只想计算min或max ，你可以在它上面使用最小/最大值函数。 但既然你想要两者，你必须循环遍历列表两次以提取最小值然后最大值。 就是这样的：

x_min = min(points)
x_max = max(points)

让我们玩一些时间。 首先在列表中调用min和max：

>>> import timeit
>>> def with_gens(l):
...     return min(l), max(l)
...
>>> timeit.timeit('with_gens(range(6000000))', 'from __main__ import with_gens', number=5)
1.7451060887015188

现在只使用你的代码循环一次：

>>> def with_loop2(l):
...     x_max = float('+inf')
...     x_min = float('-inf')
...     for el in l:
...         x_min = min(x_min, el)
...         x_max = max(x_max, el)
...     return x_min, x_max
...
>>> timeit.timeit('with_loop2(range(6000000))', 'from __main__ import with_loop2', number=5)
11.636076105071083

疯了，是吗？

这种方法完全没有内存问题。 但是，它在每个循环中设置x_max和x_min ，这实际上是一种不必要的浪费：您只想在找到更大/更小的值时重置变量。 我们可以轻松解决这个问题

所以......让我们尝试只循环一次，但避免不必要的重置。

>>> def with_loop(l):
...     x_min = float('-inf')
...     x_max = float('+inf')
...     for el in l:
...         if el < x_min:
...             x_min = el
...         elif el > x_max:
...             x_max = el
...     return x_min, x_max
...
>>> timeit.timeit('with_loop(range(6000000))', 'from __main__ import with_loop', number=5)
3.961046726963332

OH SURPRISE

虽然循环算法只有一次在纸上更有效，但它被min和max的内部优化打败了。 而且，在每个循环中设置var并且仅在必要时之间的差异是巨大的。 你永远不会停止学习 。