Question

我有一个包含10 ** 7列表的列表，格式为：

big_list = [[1, 2, 3, 4, 5, 6], [2, 3, 4, 5, 6, 7], [2, 3, 4, 26, 33, 40], [10, 23, 33, 45, 46, 47]]

每个列表包含6个唯一的整数。

我需要将每个列表与另一个列表进行比较：

lst = [1, 3, 4, 10, 23, 46]

并返回列表项交集小于3的那些。所以新名单将是：

new_list = [[2, 3, 4, 5, 6, 7], [2, 3, 4, 26, 33, 40]]

目前我正在使用set intersection，但运行需要大约30秒

Answer 1

import numpy as np
biglist = [[1, 2, 3, 4, 5, 6], [2, 3, 4, 5, 6, 7], [2, 3, 4, 26, 33, 40], [10, 23, 33, 45, 46, 47]]
oldlist = [1, 3, 4, 10, 23, 46]

b = np.array(biglist)
b[np.array([(b == x).any(axis=1) for x in oldlist]).sum(axis=0) < 3]

返回

array([[ 2,  3,  4,  5,  6,  7],
       [ 2,  3,  4, 26, 33, 40]])

numpy数组的创建需要一些时间，但最后一行的速度大约是列表理解的两倍（对于1e6列表）。

编辑：以下行甚至比上面的代码更快，并且需要更少的内存：

b[reduce(np.add, ((b == x).any(axis=1).astype(np.int) for x in oldlist)) < 3]

Answer 2

>>> big_list = [[1, 2, 3, 4, 5, 6], [2, 3, 4, 5, 6, 7], [2, 3, 4, 26, 33, 40], [10, 23, 33, 45, 46, 47]]
>>> normal = set([1, 3, 4, 10, 23, 46])
>>> [x for x in big_list if len(set(x).intersection(normal)) < 3]
[[2, 3, 4, 5, 6, 7], [2, 3, 4, 26, 33, 40]]

Answer 3

我认为“快速”解决方案应该取决于您的问题的规范。例如，如果您的参考列表与[1,3,4,10,23,46]一样短，则通过对每个列表进行排序，我们可以立即看到所有以大于10的数字开头的列表，例如[11，x，x，...]与参考不会有超过3个共同元素。这可能已经节省了很多比较。

Python比较列表列表

3 个答案: