有效地在字符串中查找重复的字符

时间:2014-09-07 00:52:22

标签: python string performance

我知道这段代码的效率不是最优的(特别是巨大的输入),而且我知道有一种方法可以改变这种算法来处理其他数据类型,而不仅仅是字符串中的重复(显然那里只搜索很多字符。)

有什么方法可以提高效率吗?

我尝试使用字典并且该功能一直在返回' none'所以我尝试了一个列表,事情很顺利。

提前感谢任何可以帮助我的人!

def find_repeater(string):
    my_list = []
    my_list.append(string[0])

    for i in range (1, len(string)):

        if string[i] in my_list:
            print 'repetition found'
            return (string[i])

        else:
            my_list.append(string[i])

print find_repeater('abca')  

现在使用字典....(它不断打印到控制台没有'

def find_repeater(string):
    my_dict = {}
    my_dict[0] = string[0]

    for i in range (1, len(string)):

        if string[i] in my_dict:
            print 'repetition found'
            return string[i]

        else:
            my_dict[i] = string[i]

print find_repeater('abca')  

7 个答案:

答案 0 :(得分:10)

由于这是一个性能问题,让我们来做一些时间:

def test_set(xs):
    seen = set()  # O(1) lookups
    for x in xs:
        if x not in seen:
            seen.add(x)
        else:
            return x

import collections

def test_counter(xs):
    freq = collections.Counter(xs)
    for k in freq:
        if freq[k] > 1:
            return k

def test_dict(xs):
    d = {}
    for x in xs:
        if x in d:
            return x
        d[x] = 1

def test_sort(xs):
    ys = sorted(xs)

    for n in range(1, len(xs)):
        if ys[n] == ys[n-1]:
            return ys[n]

##

import sys, timeit
print (sys.version + "\n")
xs = list(range(10000)) + [999]
fns = [p for name, p in globals().items() if name.startswith('test')]
for fn in fns:
    assert fn(xs) == 999
    print ('%50s %.5f' % (fn, timeit.timeit(lambda: fn(xs), number=100)))

我正在测试一个整数列表而不是一个字符串(因为使用一个字符串,你不能获得超过256个循环)。我机器上的结果如下所示:

3.2.3 (v3.2.3:3d0686d90f55, Apr 10 2012, 11:25:50) 
[GCC 4.2.1 (Apple Inc. build 5666) (dot 3)]

                <function test_set at 0x1020f7380> 0.19265
               <function test_dict at 0x1020f7490> 0.12725
               <function test_sort at 0x1020f7518> 0.04683
            <function test_counter at 0x1020f7408> 0.92485

所以排序方法似乎是胜利者。我想这是因为它不浪费时间创建哈希并分配字典/集结构。此外,如果您不关心要更改的源列表,则可以执行xs.sort()而不是ys = sorted(xs),这样可以减少内存占用。

另一方面,如果重复的项目更有可能在输入的开头发生(如xs = 'abcdef' * 10000),set方法将表现最佳,因为它不像{{ 1}}或sort,一旦找到重复就立即返回,并且不需要预处理整个列表。如果您需要第一个重复元素,还应该使用Counter,而不仅仅是其中之一。

set是一个很好的工具,但它并不是为性能而设计的,所以如果你真的需要处理“巨大的输入”,那就去设置(如果它们适合内存)或者如果它们不适合则进行合并。

答案 1 :(得分:4)

您可以使用collections查找重复字符:

import collections

freq = collections.Counter("abcda")
for k in freq:
    if freq[k] > 1:
        print k # prints "a"
        break

如果您只想查找是否有重复(没有找到重复的字符):

letters = list("abcda")
no_rep = set(letters)
print len(letters) > len(no_rep) # prints 'True' when there are repeating characters

答案 2 :(得分:2)

def find_repeater(mystr):
    seen = set()  # O(1) lookups
    for char in mystr:
        if char not in seen:
            seen.add(char)
        else:
            print('repetition found')
            return char

答案 3 :(得分:1)

在这里,您可以使用字典:

def find_repeater(string):
    my_list = {}
    my_list[string[0]] = 1
    for i in range (1, len(string)):
        if string[i] in my_list.keys():
            print 'repetition found'
            return (string[i])
        else:
            my_list[string[i]] = 1
print find_repeater('abca')  

就个人而言,我会在这里使用一套:

def find_repeater(string):
    my_list = set()
    my_list.add(string[0])
    for i in range (1, len(string)):
        if string[i] in my_list:
            print 'repetition found'
            return (string[i])
        else:
            my_list.add(string[i])
print find_repeater('abca')  

答案 4 :(得分:0)

这应该有用。

def return_dupe(string):
    d = {}
    [d.update({k:2}) if k in d else d.update({k:1}) for k in string]
    return [key for key in d if d[key] > 1]

答案 5 :(得分:0)

另一种方法可以简单:

def repeting_count(text):

    working_text = str(text.lower())

    dup = []

    for char in working_text:
        if working_text.count(char) > 1:
            dup.append(char)

        else:
            pass

    for num in dup:
        while dup.count(num) > 1:
            dup.remove(num)

答案 6 :(得分:0)

def rec_char(s):
    buf={}
    for c in s:
        try:
            print(buf[c],end=", ")
        except:
            buf[c]=c


rec_char("ABCAB")

时间复杂度为O(n)的python3中的此函数将打印出现多次的字符。