Python中的Anagram搜索算法比较[教程作业]

Question

我正在使用defaultdict在Python中进行简单的算法排序，创建一个用作键的哈希值，然后只是通过字典然后打印出具有多个值的任何内容。

最初是通过使用：

创建排序字符串来创建哈希

def createHashFromFile(fileName):
    with open(fileName) as fileObj:
        for line in fileObj:
            line = line.lower()
            aHash = ("").join(sorted(line.strip()))
            aSorter[aHash].append(line.strip())  

但是，因为sorted（）函数是O（n ^ 2），所以建议通过素数因子分解来创建哈希。我创建了一个字典，将所有小写字母映射到素数，然后完成：

def keyHash(word):
    mulValue = 1
    for letter in word:
        letter = letter.lower()
        mulValue = mulValue * primeDict[letter]

    return mulValue

在300k字上，字符串散列运行在0.75秒内，主散列运行在1秒内。我一直在读这篇文章，但是我无法确定我是否错过了这个或为什么它运行得更慢。

就家庭作业而言，这已经完成但我想了解我在这里失踪的原因或原因。

Answer 1

这里有很多因素：

• sorted是O（n log n）平均情况而不是O（n ^ 2）。最糟糕的排序几乎与真实程序无关。
• 将素数相乘是一个聪明的伎俩，但是当它的乘法成本为O（n）时，将一个大数N乘以一个小因子将成本为O（log N）而不是O（ 1）（因为你必须通过bignum的O（log N）数字）。这意味着主要技术也将是O（n log n），因为keyHash将具有O（len（s））数字。
• n很小，因此实施细节比复杂性更重要。
• sorted内置并以C语言编写。实施已经过多年调整。你的素数乘法代码是用Python编写的。
• 你不能在你的问题中说出你是如何进行计时的。例如，通过对整个程序进行计时而不是微基准计算，很容易弄错。鉴于结果的接近程度，我预计你会犯这样的错误，但这是一个猜测。