在python中获取子字符串的更快方法？

Question

我正在编码偏斜算法以构造后缀数组，并且我有一个长字符串（长度> = 4000）。 在偏斜算法中，我必须构造Triples Array和Sub-strings Array 。

例如：我有一个字符串s = 'abcddd' 。

• 三元组数组为： 'abc', 'bcd', 'cdd', 'ddd'
• 子字符串数组是： 'abcddd', 'bcddd', 'cddd', 'ddd', 'dd', 'd'

这是我的解决方案：

import numpy as np

# example
string = 'abdcb.....' (length >= 4000)
temp = 'abdcb......###' (length >= 4000)

triples_arr = np.array([])
sub_strings = np.array([])

for i in range (0, len(temp) - 3):
    triples_arr = np.append(triples_arr, temp[i:i + 3])
    sub_strings = np.append(sub_strings, string[i:string_len])

对于长字符串（长度> = 4000），需要一分钟才能完成。

有什么解决方案可以减少该任务的处理时间？

Answer 1

使用理解，可以比使用for循环更快地构造这些字符串：

码：

triples_arr = [a_string[i:i+3] for i in range(0, len(a_string)-1)]
sub_strings = [a_string[i:] for i in range(len(a_string))]

测试代码：

a_string = 'abcdefghijklmnopqrstuvwxyz'

triples_arr = [a_string[i:i+3] for i in range(0, len(a_string)-2)]
print(triples_arr)

sub_strings = [a_string[i:] for i in range(len(a_string))]
print(sub_strings)

结果：

['abc', 'bcd', 'cde', 'def', 'efg', 'fgh', 'ghi', 'hij', 'ijk', 'jkl',
 'klm', 'lmn', 'mno', 'nop', 'opq', 'pqr', 'qrs', 'rst', 'stu', 'tuv',
 'uvw', 'vwx', 'wxy', 'xyz']
['abcdefghijklmnopqrstuvwxyz', 'bcdefghijklmnopqrstuvwxyz',
 'cdefghijklmnopqrstuvwxyz', 'defghijklmnopqrstuvwxyz',
 'efghijklmnopqrstuvwxyz', 'fghijklmnopqrstuvwxyz',
 'ghijklmnopqrstuvwxyz', 'hijklmnopqrstuvwxyz', 'ijklmnopqrstuvwxyz',
 'jklmnopqrstuvwxyz', 'klmnopqrstuvwxyz', 'lmnopqrstuvwxyz',
 'mnopqrstuvwxyz', 'nopqrstuvwxyz', 'opqrstuvwxyz', 'pqrstuvwxyz',
 'qrstuvwxyz', 'rstuvwxyz', 'stuvwxyz', 'tuvwxyz', 'uvwxyz',
 'vwxyz', 'wxyz', 'xyz', 'yz', 'z']

Answer 2

这可能对您memoryview ，也可能不起作用，但是如果您对bytes和memoryview对象而不是字符串对象进行操作，则可以进行许多优化。 例如，切片memoryviews非常便宜。

Answer 3

没有任何外部lib和任何循环怎么办？

Triples_Array=[]
Sub_strings=[]

def hello(data):
    if not data:
        return 0
    triple=data[:3]
    Sub_strings.append(data)
    if len(triple)==3:
        Triples_Array.append(triple)



    return hello(data[1:])
print(hello('abcddd'))

print(Sub_strings)
print(Triples_Array)

输出：

['abcddd', 'bcddd', 'cddd', 'ddd', 'dd', 'd']
['abc', 'bcd', 'cdd', 'ddd']