[英]Nested enumerated for loops to comprehension list
我使用的是textdistance.needleman_wunsch.normalized_distance
從textdistance
庫( https://github.com/life4/textdistance )。 我將它與Scipy
庫中的cdist
一起使用來計算序列對距離。 但是由於嵌套的枚舉 for 循環,該過程非常長。
在這里,您可以找到textdistance
庫中使用的需要時間的代碼,我想知道您是否知道如何加速嵌套的 for 循環,也許使用列表理解?
s1 = "sentence1"
s2 = "sentevfers2"
gap = 1
def sim_func(*elements):
"""Return True if all sequences are equal.
"""
try:
# for hashable elements
return len(set(elements)) == 1
except TypeError:
# for unhashable elements
for e1, e2 in zip(elements, elements[1:]):
if e1 != e2:
return False
return True
dist_mat = numpy.zeros(
(len(s1) + 1, len(s2) + 1),
dtype=numpy.float,
)
# DP initialization
for i in range(len(s1) + 1):
dist_mat[i, 0] = -(i * gap)
# DP initialization
for j in range(len(s2) + 1):
dist_mat[0, j] = -(j * gap)
""" Possible enhancement with list comprehension ? """
# Needleman-Wunsch DP calculation
for i, c1 in enumerate(s1, 1):
for j, c2 in enumerate(s2, 1):
match = dist_mat[i - 1, j - 1] + sim_func(c1, c2)
delete = dist_mat[i - 1, j] - gap
insert = dist_mat[i, j - 1] - gap
dist_mat[i, j] = max(match, delete, insert)
distance = dist_mat[dist_mat.shape[0] - 1, dist_mat.shape[1] - 1]
print(distance)
由於以下幾個原因,此代碼很慢:
sim_func
是比較各種元素的通用方法,但也非常低效(分配、散列、異常處理和字符串操作)。代碼無法輕松並行化,因此矢量化 numpy。 但是,您可以使用 Numba 來加快速度。 僅當輸入字符串非常大或此處理執行大量時間時才值得。 如果不是這種情況,請使用更合適的編程語言(例如 C、C++、D、Rust 等)或專用於此的本機 Python 模塊。
這是優化后的 Numba 代碼:
s1 = "sentence1"
s2 = "sentevfers2"
gap = 1 # Assume this is an integer
@njit
def NeedlemanWunschDP(dist_mat, s1, s2):
for i in range(1, len(s1)+1):
for j in range(1, len(s2)+1):
match = dist_mat[i - 1, j - 1] + (s1[i-1] == s2[j-1])
delete = dist_mat[i - 1, j] - gap
insert = dist_mat[i, j - 1] - gap
dist_mat[i, j] = max(match, delete, insert)
dist_mat = numpy.empty(
(len(s1) + 1, len(s2) + 1),
dtype=numpy.int64,
)
# DP initialization
for i in range(len(s1) + 1):
dist_mat[i, 0] = -(i * gap)
# DP initialization
for j in range(len(s2) + 1):
dist_mat[0, j] = -(j * gap)
# Transform the strings to fast integer arrays
tmp_s1 = numpy.array([ord(e) for e in s1], dtype=numpy.int64)
tmp_s2 = numpy.array([ord(e) for e in s2], dtype=numpy.int64)
# Needleman-Wunsch DP calculation
NeedlemanWunschDP(dist_mat, tmp_s1, tmp_s2)
distance = dist_mat[dist_mat.shape[0] - 1, dist_mat.shape[1] - 1]
print(distance)
在我的機器上, NeedlemanWunschDP
的編譯時間大約需要 400 毫秒,但生成的代碼在大字符串上要快 1800 倍以上。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.