在 Python 的列表中查找第二大項目的更有效方法

Question

我為在整數列表中查找第二大項的簡單任務編寫了這個簡單的代碼：

def second_largest(input_list):
  input_list.sort()
  return input_list[-2]

但是，對於大型列表，此 function 可能真的無效，例如一百萬個項目的運行時間超過 1.5 秒。

我知道這是因為 function更改了列表本身（使用 .sort 方法），這對於長列表可能非常低效。 如何在不使用更改列表的低效方法的情況下執行此任務？

謝謝大家。

Answer 1

以下情況如何：

lst = range(1000000)

largest, second_largest = lst[0], lst[0]
for x in lst:
    if x > largest:
        largest, second_largest = x, largest
    elif x > second_largest:
        second_largest = x
print(largest, second_largest) # 999999 999998

它只遍歷一個可迭代對象一次，所以我希望它是有效的。 （當然，當len(lst) == 1時，它有一個極端情況。在這種情況下，人們可能會爭辯說不應該定義second_largest 。）

---

對於 100000000 個項目，我有以下速度比較：

import time
import heapq

lst = list(range(100000000))

start = time.time()
largest, second_largest = lst[0], lst[0]
for x in lst:
    if x > largest:
        largest, second_largest = x, largest
    elif x > second_largest:
        second_largest = x
print(largest, second_largest) # 999999 999998
print("Elapsed:", time.time() - start) # Elapsed: 12.085833549499512

start = time.time()
print(heapq.nlargest(2, lst)[1]) # 99999998
print("Elapsed:", time.time() - start) # Elapsed: 17.82271456718445

Answer 2

彈出max，再次找到max：

my_list.pop(my_list.index(max(my_list)))
max(my_list)

Answer 3

正如@juanpa.arrivillaga 提到的，我們可以使用堆隊列算法的heapq.nlargest 方法

import heapq

data = list(range(100))
data.append(100)
print(heapq.nlargest(2, data)[1])

Output：

99

免責聲明：

如果數據包含重復值，它將返回唯一的第二大元素。

Answer 4

我發現基於np.argpartition的解決方案是最快的。 它確實需要 Numpy ，但它沒有考慮將列表轉換為 numpy 數組。 但是，最后，如果您希望進一步計算數字，您可能需要使用 numpy arrays 因為這些操作通常比列表操作快得多。 所以我假設你就是這種情況。

---

首先，您應該將列表轉換為數組：

import numpy as np
v = list(range(10000000))
var = np.array(v)

然后我們可以使用 np.argpartition

%%time
ind = np.argpartition(var, -2)[-2]

CPU times: user 46.3 ms, sys: 25.9 ms, total: 72.2 ms
Wall time: 71.7 ms

ind = 9999998 ，所以結果似乎是正確的。

現在，如果我們在這里與其他建議進行比較：

%%time
v.pop(v.index(max(v)))
max(v)

CPU times: user 619 ms, sys: 1.96 ms, total: 621 ms
Wall time: 623 ms

大約慢 10 倍

%%time
heapq.nlargest(2,v)[1]

嗯……慢得多

最后一個

largest, second_largest = v[0], v[0]
for x in v:
    if x > largest:
        largest, second_largest = x, largest
    elif x > second_largest:
        second_largest = x
print(largest, second_largest) # 999999 999998

CPU times: user 1.41 s, sys: 0 ns, total: 1.41 s
Wall time: 1.41 s

再一次，慢了很多倍。

---

如果您打算在某處使用 arrays，那么np.argpartition解決方案似乎是最快的。 如果沒有，您將花費大量 CPU 時間將您的列表轉換為您將不再使用的數組（見下文）。 不過，它仍然優於其他一些解決方案。 如果我們考慮到數組的轉換，我們會得到這樣的結果：

%%time
var=np.array(v)
ind = np.argpartition(var, -2)[-2]

CPU times: user 867 ms, sys: 59 ms, total: 926 ms
Wall time: 924 ms

---

這個問題很好地解釋了為什么這個解決方案更快。 原因是您只使用np.argpartition執行部分排序，而不是對列表進行完全排序。