Python 如何使列表追加/扩展更快？

Question

大家好。

试图在 python 上做得更好，并开始做 leetcode 问题。 我目前正在做一个，目标是捕获水。 链接 => https://leetcode.com/problems/trapping-rain-water/

问题是； 它让我花时间过长。 我的代码肯定效率低下。 在谷歌搜索之后，我发现.append 据说非常慢/效率低。 也是。扩展。

找不到任何使我的代码更快的明显方法； 因此我来到这里。

非常感谢任何回应

class Solution:
    def trap(self, height: List[int]) -> int:
        
        max_height = max(height)
        water_blocks = 0
        for element in range(max_height):
            local_map = []
            element = element + 1
            for block in height:
                if block >= element:
                    local_map.extend([1])
                else:
                    local_map.extend([0])

            if local_map.count(1) > 1:
                first_index = local_map.index(1)
                reversed_list = local_map[::-1]
                last_index = len(local_map) - 1 - reversed_list.index(1)
                water_count = last_index - first_index - 1 - (local_map.count(1) - 2)
                water_blocks += water_count
            else:
                continue
        return water_blocks

Answer 1

尽管可以避免许多count和index调用，但两个大的嵌套循环可能仍然是个问题。 对于外循环， max_height可以是大数，内循环遍历整个列表。 您可能需要提出不同的算法。

我没有 leetcode 帐户，所以我无法真正测试我的代码，但这是我的建议：它只遍历height -list 一次，并带有一个小的内部循环来查找下一个匹配的墙。

class Solution:
    def trap(self, h):
        water = 0
        current_height = 0
        for i, n in enumerate(h):
            # found a "bucket", add water
            if n < current_height:
                water += current_height - n
            else: # found a wall. calculate usable height
                current_height = self.n_or_max(h[i+1:], n)
        return water

    def n_or_max(self, h, n):
        local_max = 0
        for i in h:
            if i > local_max:
                local_max = i
                # that's high enough, return n
                if i >= n:
                    return n
        return local_max

Answer 2

这里有一些提示：

• 不要使用list.count()或list.index() （即尝试删除local_map.count(1) 、 local_map.index(1)和reversed_list.index(1) ）。 第一个将（在内部）循环整个list ，如果list很大，这显然很昂贵。 第二个将遍历列表，直到找到1 。 目前，您甚至有两次调用local_map.count(1)将始终返回相同的答案，因此至少只需将结果存储在一个变量中。 在您对block的循环中，您自己构造了local_map ，因此您实际上确实知道它包含的内容，之后您不必再搜索它。 只需将一些if s 放入block s 的第一个循环中。
• 操作local_map[::-1]不仅在整个list上运行，而且还将整个内容复制到一个新list （向后，但这并没有真正导致问题）。 同样，这个新列表不包含新信息，因此您无需执行此操作即可计算water_count的值。
• 以上是真正的主要问题。 通过消除element = element + 1可以获得进一步的优化。 只需移动范围，如range(1, max_height + 1) 。
• 此外，正如评论中所写，更喜欢list.append(x)到list.extend([x]) 。 它不是很大，但后者必须创建一个附加list （长度为 1），将x放入其中，循环遍历list并将 append 其元素（仅x ）添加到大list 。 最后，长度为 1 的列表被丢弃。 相反， list.append(x)只是将x附加到list ，不需要临时的长度为 1 的list 。

请注意， list.append()并不慢。 这是一个 function 调用，它总是有点慢，但实际的数据操作很快：恒定时间，甚至巧妙地摊销，正如 juanpa.arrivillaga 所写。

Answer 3

这是看待问题的另一种方式。 这会从左到右扫描垃圾箱，在每个点上，我都会跟踪每个级别有多少单位的水被拦住。 当有一堵高墙时，我们会统计它所筑坝的任何单位，并清除它们。 但是，这仍然会在最后一个测试的旁边获得一个“超时”标志，该测试有大约 10,000 个条目。 在我相对较旧的盒子上需要 20 秒。

class Solution():
    def trap(self, height):
        trapped = 0
        accum = [0]*max(height)
        lastwall = -1

        for h in height:
            # Take credit for everything up to our height.
            trapped += sum(accum[0:h])
            accum[0:h] = [0]*h
            for v in range(h,lastwall):
                accum[v] += 1
            lastwall = max(lastwall,h)

        return trapped

print(Solution().trap([0,1,0,2,1,0,1,3,2,1,2,1])) # 6
print(Solution().trap([4,2,0,3,2,5])) # 9