Question

我是python3的新手，我对有关解决此问题的不同方法提出了疑问。关于使用不同数据结构的问题。我的问题是如何比较权衡与不同的抽样技术

我在程序中使用字典数据结构来首先解决这个问题。然后我尝试仅使用列表数据结构重写它。我试着考虑排序的好处，我不知道这两种方法之间的区别是什么。它似乎没有在两种方法之间产生那么大的差异。

方法1.我使用字典在直方图中创建直方图键和值对

方法2以字符串格式接收源文本并返回列表列表其中每个子列表中的第一个元素是单词，第二个元素是单词元素是源文本中的频率

# This program Analyze word frequency in a histogram
# sample words according to their observed frequencies
# takes in a source text in string format and returns a dictionary
# in which each key is a unique word and its value is that word's
# frequency in the source text
import sys
import re
import random
import time

def histogram(source_text):
    histogram = {}
    # removing any sort of string, removing any other special character
    for word in source_text.split():
        word = re.sub('[.,:;!-[]?', '', word)

        if word in histogram:
            histogram[word] += 1
        else:
            histogram[word] = 1
    return histogram

def random_word(histogram):
    probability = 0
    rand_index = random.randint(1, sum(histogram.values()))
    # Algorithm 1
    for (key, value) in histogram.items():
        for num in range(1, value + 1):
            if probability == rand_index:
                if key in outcome_gram:
                    outcome_gram[key] += 1
                else:
                    outcome_gram[key] = 1
                # return outcome_gram
                return key
            else:
                probability += 1

#    Method 2 takes in a source text in string format and returns a list #of lists
#    in which the first element in each sublist is the word and the #second element is its frequency in the source texts

  # Algorithm 2
    # for word in histogram:
    #     probability += histogram[word]
    #     if probability >= rand_index:
    #         if word in outcome_gram:
    #             outcome_gram[word] += 1
    #         else:
    #             outcome_gram[word] = 1
            # return word


if __name__ == "__main__":
    outcome_gram = {}
    dict = open('./fish.txt', 'r')
    text = dict.read()
    dict.close()

    hist_dict = histogram(text)
    for number in range(1, 100000):
        random_word(hist_dict)

Answer 1

哪个更具可读性？我认为字典版本更容易理解。另请注意，您可以将第二个方法中的2元组列表传递给zshexpn(1)构造函数，以重现第一个方法的输出。这应该让您了解这两种实现如何至少在某些方面大致相同。除非这会导致性能问题，否则我不会太担心它。

Python的优势在于你可以用五行代码以可读的方式编写相同的代码。

dict

Answer 2

我基本上同意Joran Beasley上面的评论，通常更好地解决你的问题，然后回去重构以提高效率。

使用直方图时，我建议您在集合模块中查看Counter。集合模块作为一个整体非常好，并且有很多有用的容器。

另一个很酷的模块是Timeit模块，它允许您在代码片段上运行小型计时实验。请记住，执行速度取决于许多不一定在程序控制范围内的因素。

Python优化：在字典或列表列表之间进行选择

2 个答案: