Question

我目前正在将代码库移植到Python中，我最初是在Perl中实现的。当我在整个数据集上运行时，以下短代码占据了重要运行时的大约90％。

    def equate():
        for i in range(row):
            for j in range(row):
                 if adj_matrix[i][j] != adj_matrix[mapping[i]][mapping[j]]:
                 return False
        return True

其中equate是另一个方法内的闭包，row是整数，adj_matrix是表示矩阵的列表列表，mapping是表示向量的列表。

等效的Perl代码如下：

sub equate
{
    for ( 0..$row)
    {
        my ($smrow, $omrow) = ($$adj_matrix[$_], $$adj_matrix[$$mapping[$_]]); #DEREF LINE
        for (0..$row)
        {
            return 0 if $$smrow[$_] != $$omrow[$$mapping[$_]];
        }
    }
    return 1;
 }

这被封装为外部子例程中的子引用，因此我不必将变量传递给子例程。

简而言之，Perl版本要快得多，我的测试表明它是由于“DEREF LINE”中的解除引用。我已经尝试过我认为相当于Python的东西：

    def equate():
        for i in range(row):
            row1 = adj_matrix[i]
            row2 = adj_matrix[mapping[i]]
            for j in range(row):
                 if row1[j] != row2[mapping[j]]:
                 return False
        return True

但这是一个微不足道的改进。另外，我尝试使用NumPy矩阵来表示adj_matrix，但这又是一个很小的改进，可能是因为adj_matrix通常是一个小矩阵，所以NumPy的开销要大得多，而且我实际上并没有做任何矩阵数学操作

我欢迎任何改进Python equate方法的运行时的建议，并解释为什么我的“改进的”Python equate方法不是更好。虽然我认为自己是一名称职的Perl程序员，但我是一名Python新手。

其他细节：

我使用的是Python 3.4，尽管我最初在2.7中实现了类似的行为。因为我工作的实验室使用3.4，所以我切换到3.4。

关于向量的内容，请允许我提供一些背景，以便以下细节有意义。这是识别分别由图A和B表示的两种化合物（a和b）之间的子图同构的算法的一部分，其中每个原子是节点并且每个键合是边缘。上面的代码是针对简化的情况，其中A = B，所以我正在寻找化合物的对称变换（对称平面），并且原子数中A的大小是N.每个原子被分配一个唯一的索引，从零。

映射是维度为1xN的一维向量，其中映射中的每个元素都是整数。 mapping[i] = j表示具有索引i的原子（将称为原子i或通常原子'索引'）当前映射到原子j。没有映射由j = -1表示。

Adj_matrix是尺寸为NxN的2D矩阵，其中每个元素adj_matrix [i] [j] = k是自然数，并且表示化合物A中原子i和j之间的边缘的存在和顺序。如果k = 0，没有这样的边缘（在i和j之间没有AKA）否则k> 0和k表示原子i和j之间键的顺序。

当A！= B时，有两个不同的adj_matrices在equate中进行比较，原子中a和b的大小是Na和Nb。 Na不必等于Nb，但Na =＆lt;铌。我只提到这一点，因为在一般情况下无效的特殊情况可以进行优化，但任何建议都会有所帮助。

Answer 1

使用numpy，您可以按如下方式对整个代码进行矢量化，假设adj_matrix和mapping是numpy数组：

def equate():
    row1 = adj_matrix[:row]
    row2 = adj_matrix[mapping[:row]]
    return np.all(row1 == row2)

如果发现不匹配，它不会在循环早期爆发，但除非你的阵列很大，否则NumPy的速度将占主导地位。

是否有一个Python相当于在Perl中解除引用？

1 个答案: