[英]Fastest method for extracting sub-list from Python list given array of indexes
我有任何类型的对象的大型 Python 列表l
,我还有另一个指向列表l
某些元素的整数索引的大型列表i
(甚至NumPy
数组)。
问题是创建另一个列表l2
的最快(最有效)方法是什么,该列表包含l
元素和来自i
索引。
最简单的方法是做一个列表理解:
l2 = [l[si] for si in i]
# Use np.nditer(i) instead of i, for NumPy array case
但这是最快的方法吗?
列表理解是一个 Python 循环,所以对于大型列表来说可能会很慢,也许标准库中有一些用高效C
编写的内置 Python 方法来实现这个任务? 或者也许在NumPy
有这样的方法可以通过 numpy 数组索引 Python 的列表?
也许标准 python 库中有一些简单而快速的函数可以对 NumPy 的np.take做同样的事情,就像下面的假想代码:
import listtools
l2 = listtools.take(l, indexes)
您可以通过使用支持批量查找的operator.itemgetter
获得较小的加速(在下面的示例中约为 25%):
>>> import string
>>> import random
>>> import operator as op
>>> from timeit import timeit
# create random lists
>>> l = [random.choice([*string.ascii_letters,*range(100)]) for _ in range(1000000)]
>>> i = [random.randint(0,999999) for _ in range(300000)]
# timings
>>> timeit(lambda:[l[si] for si in i],number=100)
3.0997245000035036
>>> timeit(lambda:list(map(l.__getitem__,i)),number=100)
2.892384369013598
>>> timeit(lambda:list(op.itemgetter(*i)(l)),number=100)
2.1787672539940104
众所周知, NumPy数组还可以通过dtype = np.object_
用于存储和处理任意 Python 对象。
所以我决定测量 NumPy 与普通 Python 相比的使用速度。 同样正如我在我的问题中提到的,我还想解决索引是 numpy 整数数组的情况。
下一个代码测量不同的情况,我们是否需要将源列表转换为 numpy 数组以及是否也应该转换结果。
import string
from timeit import timeit
import numpy as np
np.random.seed(0)
letters = np.array(list(string.ascii_letters), dtype = np.object_)
nl = letters[np.random.randint(0, len(letters), size = (10 ** 6,))]
l = nl.tolist()
ni = np.random.permutation(np.arange(nl.size, dtype = np.int64))
i = ni.tolist()
pyt = timeit(lambda: [l[si] for si in i], number = 10)
print('python:', round(pyt, 3), flush = True)
for l_from_list in [True, False]:
for i_from_list in [True, False]:
for l_to_list in [True, False]:
def Do():
cl = np.array(l, dtype = np.object_) if l_from_list else nl
ci = np.array(i, dtype = np.int64) if i_from_list else ni
res = cl[ci]
res = res.tolist() if l_to_list else res
return res
ct = timeit(lambda: Do(), number = 10)
print(
'numpy:', 'l_from_list', l_from_list, 'i_from_list', i_from_list, 'l_to_list', l_to_list,
'time', round(ct, 3), 'speedup', round(pyt / ct, 2), flush = True
)
输出:
python: 2.279
numpy: l_from_list True i_from_list True l_to_list True time 2.924 speedup 0.78
numpy: l_from_list True i_from_list True l_to_list False time 2.805 speedup 0.81
numpy: l_from_list True i_from_list False l_to_list True time 1.457 speedup 1.56
numpy: l_from_list True i_from_list False l_to_list False time 1.312 speedup 1.74
numpy: l_from_list False i_from_list True l_to_list True time 2.352 speedup 0.97
numpy: l_from_list False i_from_list True l_to_list False time 2.209 speedup 1.03
numpy: l_from_list False i_from_list False l_to_list True time 0.894 speedup 2.55
numpy: l_from_list False i_from_list False l_to_list False time 0.75 speedup 3.04
所以我们可以看到,如果我们将所有列表存储为 numpy 数组,那么我们将获得3x
加速! 但是如果只有索引是一个 numpy 数组,那么我们的加速仅为1.56x
,这也非常好。 如果所有内容都必须从列表来回转换,那么我们的速度提高了0.78x
,这意味着我们会放慢速度,因此如果我们只使用列表,那么通过 numpy 进行索引是没有帮助的。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.