Question

import random

a = [int(1000*random.random()) for i in xrange(10)]
b = [int(1000*random.random()) for i in xrange(10)]
c = [int(1000*random.random()) for i in xrange(10)]
d = dict()
for i in xrange(len(a)):
    for j in xrange(len(b)):
        for k in xrange(len(c)):
            if (i+j+k == 10):
                d[(i,j,k)] = a[i]+b[j]+c[k]

print max(d.values())

该代码在a,b,c中找到最佳元素三元组，以便最大化a[i]+b[j]+b[k]和i+j+k=10成立

Answer 1

首先，您可以更改循环的边界并摆脱最里面的循环：

import random
a = [int(1000*random.random()) for i in xrange(10)]
b = [int(1000*random.random()) for i in xrange(10)]
c = [int(1000*random.random()) for i in xrange(10)]
d = dict()
for i in xrange(10):
    for j in xrange(10 - i):
        k = 10 - i - j
        if k < len(c):
            d[(i,j,k)] = a[i]+b[j]+c[k]

print max(d.values())

这将运行时间提高了~4.5倍：

In [2]: %timeit original()
10000 loops, best of 3: 166 us per loop

In [3]: %timeit new()
10000 loops, best of 3: 36.1 us per loop

Answer 2

由于您实际上并未使用dict的密钥，因此您可以更快地构建并迭代list。但是，既然你实际上并没有对值进行任何操作，除了调用max之外，你可以随时跟踪最大值，而不是构建和迭代任何东西

修改NPE的解决方案：

import random
a = [int(1000*random.random()) for i in xrange(10)]
b = [int(1000*random.random()) for i in xrange(10)]
c = [int(1000*random.random()) for i in xrange(10)]
maxval = 0
for i in xrange(10):
    for j in xrange(10 - i):
        k = 10 - i - j
        if k < len(c):
            val = a[i]+b[j]+c[k]
            if val > maxval:
                maxval = val
print maxval

这使得它比CPython中的版本快得多，但它在PyPy中产生了巨大的差异。

                 OP    HYRY   NPE    AB
CPython 2.7.2    161.  98.8   46.9   38.0
PyPy 1.9.0       11.8  7.28   7.39   2.46

毋庸置疑，首先使用PyPy而不是CPython比任何人建议的任何微优化都要大得多。

对于一个真正的问题，你有1000000个值而不是10个，这是解决它的一种可怕的方法。

首先，只需将值保存为int32值的数组而不是Python list，就可以减少内存使用量（因此缩短分页时间，缓存命中率等）秒。一旦你完成了，你也可以把它放在1000000x3 numpy.array中。然后你只需要构建一个i + j + k == 1000000的掩码数组，应用掩码，并在其中找到最大值。这将你所有的循环移动到C，我猜它会快10-30倍。远远超过你将用Python进行微优化。

但你可能想要走向另一个方向。你需要列表存在吗？如果你有一系列的数据被生成/读取/懒惰，有没有办法做到这一点，而无需将整个内容读入内存？看起来你只需要完整的两个列表 - 如果你能控制第三个到达的顺序，那么只需要一个。事实上，如果你可以控制第三个的顺序，你只需要生成/读取它的前10％。

Answer 3

将函数包装在函数中将增加变量查找速度，您不需要第三个循环：

import random
def f(random=random.random):
    a = [int(1000*random()) for i in xrange(10)]
    b = [int(1000*random()) for i in xrange(10)]
    c = [int(1000*random()) for i in xrange(10)]
    d = {}
    for i in xrange(len(a)):
        for j in xrange(len(b)-i):
            k = 10 - i - j
            if 0 <= k < 10:
                d[i,j,k] = a[i]+b[j]+c[k]
    return max(d.values())
f()

如果您只想要最大值，则不需要dict。

Answer 4

我认为缓存random.random查找可以显着提高性能。

import random

def f():
    rand = random.random
    a = [int(1000*rand()) for _ in xrange(10)]
    b = [int(1000*rand()) for _ in xrange(10)]
    c = [int(1000*rand()) for _ in xrange(10)]
    d = dict()
    for i in xrange(10):
        for j in xrange(10 - i):
            k = 10 - i - j
            if 0 <= k < 10:
                d[(i,j,k)] = a[i]+b[j]+c[k]

    print max(d.values())

f()

如何更有效地编写此解决方案？

4 个答案: