[英]Fastest way to select column from 2D array in Python?
我正在嘗試提高計算Python中2D數組的列中某個元素的出現次數的函數的性能。 時間來自cProfile,這也告訴我count()
每357595個調用僅占用〜.08s。
for循環最快(357595個調用為.375秒):
def count_column(grid, j, element):
count = 0
for x in range(0, len(grid)):
if grid[x][j] == element:
count += 1
return count
列表理解的速度可以忽略不計(357595個呼叫為.400s):
def count_column(grid, j, element):
return [x[j] for x in grid].count(element)
郵編是最慢的,幅度極大(357595個呼叫為.741秒):
def validate_column(grid, j, element):
return zip(*grid)[j].count(element)
有沒有更快的方法可以做到這一點,或者最好的方法是使用chain.from_iterable
來使數組變平?
這是我獲得一系列不同變體的時間:
cc_explicit 5000 0.00290012359619
cc_explicit_xrange 5000 0.00145506858826
cc_filter 5000 0.00117516517639
cc_genexp 5000 0.00100994110107
cc_ifilter 5000 0.00170707702637
cc_izip 1 3.21103000641
cc_listcomp 5000 0.000788927078247
cc_zip 5000 12.1080589294
代碼和測試驅動程序位於http://pastebin.com/WSAUqTyv
由於zip和izip太慢了,因此我將它們排除在等式之外,並使用其余代碼進行了500000x10測試:
cc_explicit 500000 0.105982065201
cc_explicit_xrange 500000 0.103507995605
cc_filter 500000 0.0856108665466
cc_genexp 500000 0.0679898262024
cc_ifilter 500000 0.144966125488
cc_listcomp 500000 0.0396680831909
因此,最快的解決方案是listcomp
。 但是,當我將隨機數據和較大的行扔給它時, genexp
和explicit_xrange
有時都擊敗了listcomp
,並且在大多數測試中它們都非常接近,並且genexp
使用的內存要少得多,所以我genexp
:
def cc_genexp(grid, j, element):
return sum(x[j] == element for x in grid)
如果我可以在這里提供兩美分,您也應該像建議的那樣研究Numpy 。 或者,如果您不想處理非標准庫,則應簽出collections.Counter()
。 是的,它具有很高的前期成本,但是如果您發現自己對同一數據集中的許多不同值進行計數,則可能會發現初始投資會有所回報。
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.