我希望能够在不将整个集合扩展到内存的情况下索引幂集的元素(la itertools)
此外,我希望索引是基数排序。所以索引0应该是空集,索引2 ** n - 1应该是所有元素
到目前为止,我发现的大多数文献都涉及产生感应电源。它不会让你只是潜入任何索引。我对此索引编制的动机是为分布式执行分割问题,如果远程计算机可以在任何地方潜入而不在群集中共享迭代器引用,则会很有帮助。
编辑:Blckknght提出了我所追求的解决方案,如下所示
from scipy.misc import comb
def kcombination_to_index(combination):
index = 0
combination = sorted(combination)
for k, ck in enumerate(combination):
index += comb(ck, k+1, exact=True)
return index
def index_to_kcombination(index, k):
result = []
for k in reversed(range(1, k+1)):
n = 0
while comb(n, k, exact=True) <= index:
n +=1
result.append(n-1)
index -= comb(n-1, k, exact=True)
return result
class PowerSet:
def __init__(self, elements):
self.elements = elements
def __len__(self):
return 2 ** len(self.elements)
def __iter__(self):
for i in range(len(self)):
yield self[i]
def __getitem__(self, k):
if not isinstance(k, int):
raise TypeError
#k=0 is empty set,
#k= 1 - 1+n returns subsets of size 1
for subset_size in range(len(self.elements) + 1):
number_subsets = comb(len(self.elements), subset_size, exact=True)
if k >= number_subsets:
k -= number_subsets
else:
break
#we now want the kth element of a possible permutation of subset_size elements
indeces = index_to_kcombination(k, subset_size)
return map(lambda i: self.elements[i], indeces)
if __name__ == "__main__":
print "index of combination [8, 6, 3, 1, 0] is", kcombination_to_index([8, 6, 3, 1, 0])
print "5 combination at position 72 is", index_to_kcombination(72,5)
ps = PowerSet(["a", "b", "c", "d"])
for subset_idx in range(len(ps)):
print ps[subset_idx]
答案 0 :(得分:8)
我认为您可以通过两个步骤完成此操作。第一步是Mihai Maruseac在他(现已删除)的答案中描述,通过迭代可能的大小来找到集合的大小,直到找到合适的大小。这是代码:
def find_size(n, i):
"""Return a tuple, (k, i), where s is the size of the i-1'th set in the
cardinally-ordered powerset of {0..n-1}, and i is the remaining index
within the combinations of that size."""
if not 0 <= i < 2**n:
raise ValueError('index is too large or small')
for k in range(n+1):
c = comb(n, k)
if c > i:
return k, i
else:
i -= c
确定尺寸后,您可以使用combinatorial number system从词典排序中找到正确的k组合:
def pick_set(n, i):
"""Return the i-1'th set in the cardinally-ordered powerset of {0..n-1}"""
s, i = find_size(n, i)
result = []
for k in range(s, 0, -1):
prev_c = 0
for v in range(k, n+1):
c = comb(v, k)
if i < c:
result.append(v-1)
i -= prev_c
break
prev_c = c
return tuple(result)
这两个函数都需要一个函数来计算一组大小为n的k组合的数量, n C k (我称之为{{ 1}})。 This other question有几个建议的解决方案用于查找该值,包括comb
,scipy.misc.comb
和一些纯python实现。或者,因为它是通过顺序增加的值重复调用的(例如gmpy.comb
,comb(n, 0)
等或comb(n, 1)
,comb(k, k)
等),您可以改为使用内联计算利用先前计算的值来提供更好的性能。
示例用法(使用comb(k+1, k)
函数,在上面链接的问题中最低限度地改编自J.F. Sebastian's answer):
comb
请注意,如果您计划迭代组合(就像我在示例中所做的那样),您可以比运行完整算法更有效地执行此操作,因为有更高效的算法可用于查找给定大小的下一个组合(虽然当你用尽初始尺寸时,你需要一些额外的逻辑来提升下一个更大的组合尺寸。)
编辑:以下是我上面简要提到的一些优化的实现:
首先,有效计算>>> for i in range(2**4):
print(i, pick_set(4, i))
0 ()
1 (0,)
2 (1,)
3 (2,)
4 (3,)
5 (1, 0)
6 (2, 0)
7 (2, 1)
8 (3, 0)
9 (3, 1)
10 (3, 2)
11 (2, 1, 0)
12 (3, 1, 0)
13 (3, 2, 0)
14 (3, 2, 1)
15 (3, 2, 1, 0)
或n
值范围的组合值的生成器:
k
上面代码中的def comb_n_range(start_n, stop_n, k):
c = comb(start_n, k)
yield start_n, c
for n in range(start_n+1, stop_n):
c = c * n // (n - k)
yield n, c
def comb_k_range(n, start_k, end_k):
c = comb(n, start_k)
yield start_k, c
for k in range(start_k+1, end_k):
c = c * (n - k + 1) // k
yield k, c
位可以调整为使用它们,这应该快一点。
接下来,以字典顺序返回下一个组合的函数:
for ... in range(...): c = comb(...); ...
使用def next_combination(n, c):
if c[-1] == n-len(c)+1:
raise ValueError("no more combinations")
for i in range(len(c)-1, -1, -1):
if i == 0 or c[i] < c[i-1] - 1:
return c[:i] + (c[i] + 1,) + tuple(range(len(c)-2-i,-1,-1))
生成一系列来自powerset的值的生成器,由next_combination
对象定义:
slice
如果def powerset_slice(n, s):
start, stop, step = s.indices(2**n)
if step < 1:
raise ValueError("invalid step size (must be positive)")
if start == 0:
c = ()
else:
c = pick_set(n, start)
for _ in range(start, stop, step):
yield c
for _ in range(step):
try:
c = next_combination(n, c)
except ValueError:
if len(c) == n:
return
c = tuple(range(len(c), -1, -1))
传递__getitem__
对象而不是slice
,则可以将int
返回生成器,从而将其集成到您正在使用的类中。这样,只需将其正文转换为:__iter__
即可让return self[:]
更快。