Question

这可能更像是一种“方法”或概念性问题。

基本上，我有一个python像这样的多维列表：

my_list = [[0,1,1,1,0,1], [1,1,1,0,0,1], [1,1,0,0,0,1], [1,1,1,1,1,1]]

我要做的是遍历数组并将每个元素与直接围绕它的元素进行比较，就好像列表被放置为矩阵一样。

例如，给定第一行的第一个元素my_list[0][0]，我需要知道my_list[0][1]，my_list[1][0]和my_list[1][1]的值。 “周围”元素的值将决定当前元素应如何操作。当然，对于阵列核心元素，需要进行8次比较。

现在我知道我可以简单地遍历数组并与索引值进行比较，如上所述。我很好奇是否有更有效的方法来限制所需的迭代量？我应该按原样迭代数组，还是只迭代和比较任何一方的值，然后转置数组并再次运行它。然而，这将忽略对角线的那些值。我应该存储元素查找的结果，所以我不会多次确定同一元素的值吗？

我怀疑这可能在计算机科学中有一个基本的方法，我渴望得到有关使用Python的最佳方法的反馈，而不是寻找我的问题的具体答案。

Answer 1

使用numpy或其他替代方法可能会获得更快，甚至可能更简单的代码（详见下文）。但从理论的角度来看，在算法复杂性方面，你能得到的最好的是O（N * M），你可以用你的设计做到这一点（如果我理解的话）。例如：

def neighbors(matrix, row, col):
    for i in row-1, row, row+1:
        if i < 0 or i == len(matrix): continue
        for j in col-1, col, col+1:
            if j < 0 or j == len(matrix[i]): continue
            if i == row and j == col: continue
            yield matrix[i][j]

matrix = [[0,1,1,1,0,1], [1,1,1,0,0,1], [1,1,0,0,0,1], [1,1,1,1,1,1]]

for i, row in enumerate(matrix):
    for j, cell in enumerate(cell):
        for neighbor in neighbors(matrix, i, j):
            do_stuff(cell, neighbor)

这需要N * M * 8步（实际上，比这少一点，因为许多单元将少于8个邻居）。从算法上讲，你没有办法比O（N * M）做得更好。所以，你已经完成了。

（在某些情况下，你可以通过思考迭代器转换来简化事情 - 在性能方面没有任何重大改变。例如，你可以轻松地从列表中{{1}创建相邻三元组的分组器。通过正确压缩a，a和a[1:]，您可以将其扩展到相邻的二维网格。但我认为在这种情况下，它只会使您的代码更复杂在矩阵上编写显式a[2:]迭代器和显式neighbors循环。）

然而，几乎，你可以通过各种方式获得更快的速度。例如：

使用numpy，您可能会获得更快的数量级。当你迭代一个紧凑的循环并进行简单的算术时，这是Python特别慢的事情之一，而for可以用C（或Fortran）来做。
使用您喜欢的GPGPU库，您可以明确地对您的操作进行矢量化。
使用multiprocessing，您可以将矩阵分成几部分并在不同的核心（甚至是单独的机器）上并行执行多个部分。

当然对于单个4x6矩阵，这些都不值得......除了可能numpy，这可能会使您的代码更简单，更快，只要您可以在矩阵中自然地表达您的操作/广播条款。

事实上，即使你不能轻易地表达事物，只需使用numpy 存储矩阵可能会使事情变得更简单（并节省一些内存，如果那样的话）事项）。例如，numpy可以让您自然地从矩阵中访问单个列，而在纯Python中，您需要编写类似numpy的内容。

那么，您如何使用[row[col] for row in matrix]解决这个问题？

首先，您应该阅读numpy.matrix和ufunc（或者，更好的是，某些更高级别的教程，但我没有建议），然后再进一步了解。

无论如何，这取决于你对每组邻居做了什么，但有三个基本想法。

首先，如果你可以将你的操作转换成简单的矩阵数学，那总是最简单的。

如果没有，您可以通过在每个方向上移动矩阵来创建8个“邻居矩阵”，然后对每个邻居执行简单的操作。对于某些情况，可能更容易从N + 2 x N + 2矩阵开始，在外缘具有合适的“空”值（通常为0或nan）。或者，您可以移动矩阵并填充空值。或者，对于某些操作，您不需要相同大小的矩阵，因此您只需裁剪矩阵以创建邻居。这实际上取决于你想要做什么操作。

例如，将您的输入作为Game of Life的固定6x4板：

numpy

（请注意，这不是解决此问题的最佳方法，但我认为它相对容易理解，并且可能会解释您的实际问题。）

Python - 将list的元素与'neighbor'元素进行比较

1 个答案: