如何提高課程安排問題中循環檢測的 Python 實現的運行時間？

Question

我的目標是提高我的 Python 代碼的速度，該代碼已在leetcode 問題 Course Schedule中成功接受。

我知道該算法，但即使我使用 O(1) 數據結構，我的運行時間仍然很差：大約 200 毫秒。

我的代碼使用字典和集合：

from collections import defaultdict


class Solution:
    def canFinish(self, numCourses: int, prerequisites: List[List[int]]) -> bool:
        course_list = []
        pre_req_mapping = defaultdict(list)
        visited = set()
        stack = set()
        def dfs(course):
            if course in stack:
                return False
            stack.add(course)
            visited.add(course)
            for neighbor in pre_req_mapping.get(course, []):
                if neighbor in visited:
                    no_cycle = dfs(neighbor)
                    if not no_cycle:
                        return False
            stack.remove(course)
            return True
        # for course in range(numCourses):
        #     course_list.append(course)
        for pair in prerequisites:
            pre_req_mapping[pair[1]].append(pair[0])
        for course in range(numCourses):
            if course in visited:
                continue
            no_cycle = dfs(course)
            if not no_cycle:
                return False
        return True

我還能做些什么來提高速度？

Answer 1

您多次為給定course調用dfs() 。 但它的返回值不會改變。 所以我們有機會記住它。 改變你的算法方法（這里是動態編程）以獲得巨大的勝利。 這是空間與時間的權衡。 編輯：嗯，你已經用visited記住了大部分計算，所以lru_cache主要會提高清晰度而不是運行時間。 這只是緩存結果的一種熟悉的習慣用法。

添加#注釋引用您實現的算法的參考會很有幫助。

這是一個非常好的表達式，默認為： pre_req_mapping.get(course, [])如果你使用timeit ，你可能會發現為空元組()生成的字節碼比為空列表[] ，因為它涉及較少的分配。 好的，一些風格尼特遵循，與運行時無關。

順便說一句，youAreMixing CamelCase 和_snake_case。 PEP-8 要求你堅持使用 snake_case。

這是標識符名稱的一個很好的選擇：

    for pair in prerequisites:

但不是神秘的[0] ， [1]解引用，而是更容易閱讀元組解包：

    for course, prereq in prerequisites:

if not no_cycle:是笨拙的。 考慮反轉 dfs 的返回值的含義，或將賦值改寫為：

        cycle = not dfs(course)

Answer 2

我認為您做得很好，但是由於 Python 是一種解釋性語言，與 C/C++ 和 Java 等編譯語言相比，運行時間很慢是正常的，尤其是對於大輸入。

例如，嘗試用 C/C++ 編寫相同的代碼並比較它們之間的速度。