Python图形工具按索引有效访问顶点属性

Question

我有一个顶点索引列表，我需要为其获取相应的顶点属性。 我可以考虑通过以下代码来做到这一点：

[graph.vp["label"][ graph.vertex(i) ] for i in indices]

它工作正常，但是我可以完全避免使用python循环以获得更好的速度吗？

我之所以这样问，是因为我发现这个特定的代码比另一个完全用python数据结构编写的代码要慢得多。 例如，这就是我正在做的：

for t in range(args.num_trials):
    for b in budget:
        train, test = train_test_split(n, train_size=b, random_state=t)
        y_true = [graph.vp["label"][ graph.vertex(t) ] for t in test]

其中“图形”是图形工具图形对象。 另一方面，这是另一个代码段：

for t in range(args.num_trials):
    for b in budget:
        train, test = train_test_split(n, train_size=b, random_state=t)
        y_true = [graph.node_list[t].label for t in test]

图是自定义的python类，其中包含基本的python数据结构（例如，node_list是Node类的python列表）。

这里的问题是，后面的代码比第一个运行起来快得多。 第一个在我的计算机上平均花费约7秒，而后一个仅花费0.07秒。 除最后一行外，两个代码段的其他所有内容均相同。 我在这里发现作者提到，

graph-tool通过将主循环卸载到C ++获得更高的性能

因此，我想知道如何在这种特殊情况下减轻循环负担？ 对于图形工具这种较差的性能有何解释？

Answer 1

如果属性映射具有标量值，则应将属性映射作为数组访问：

label = g.vp["label"]
la = label.a          # returns an array view
print(la[50])         # label for vertex 50

这意味着您可以：

label = g.vp["label"]
for t in range(args.num_trials):
    for b in budget:
        train, test = train_test_split(n, train_size=b, random_state=t)
        y_true = label.a[test]

假设上面的test是一个Numpy整数数组。

如果值类型是字符串，则无法进行数组访问。 相反，您可以通过存储属性映射（而不是每次在g.vp词典中搜索它们）并使用索引而不是Vertex对象来查询来加快处理速度，例如

label = g.vp["label"]
for t in range(args.num_trials):
    for b in budget:
        train, test = train_test_split(n, train_size=b, random_state=t)
        y_true = [label[t] for t in test]

以上只是基本的Python优化。