Question

我使用heapq.nlargest选择前N项，占用了98％的运行时间（见第51行）：

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
40                                           @profile
41                                           def gen_submit(index_to_pri, index_to_sec, exclude_set, pri_mat, sec_mat, gen_count):
42         1           33     33.0      0.0      print('gen_submit')
43         1           87     87.0      0.0      f = open('../submission.txt', 'w')
44        16           28      1.8      0.0      for i, pri in enumerate(index_to_pri):
45        16          369     23.1      0.0          print('generate recommendation for %d-th primary object' % i)
46        16          103      6.4      0.0          recommend_sec = []
47        16           25      1.6      0.0          exclude = exclude_set[pri]
48        16        68215   4263.4      1.3          rating_vector = numpy.dot(pri_mat[i], sec_mat.T)
49                                                   # extract top N
50        16          102      6.4      0.0          N = 500 + len(exclude_set[pri])
51        16      4988735 311795.9     98.2          top_N_indexed_rating = heapq.nlargest(N, enumerate(rating_vector), key = lambda x: x[1]))
52        15          181     12.1      0.0          top_N_j = map(lambda x: x[0], top_N_indexed_rating)
53      7501         6229      0.8      0.1          for j in top_N_j:
54      7501         4812      0.6      0.1              if not index_to_sec[j] in exclude:
55      7500         6135      0.8      0.1                  recommend_sec.append(str(j))
56      7500         4943      0.7      0.1                  if len(recommend_sec) >= 500: break
57        15          293     19.5      0.0          f.write(' '.join(recommend_sec) + '\n')
58                                               f.close()

我怎样才能进一步优化这一单一操作？

Answer 1

新答案

如果您不需要top_N_j内的订单，请尝试

top_N_j = rating_vector.argpartition(len(rating_vector) - N)[-N:]

否则用

对其进行排序

top_N_j = top_N_j[numpy.argsort(rating_vector[top_N_j])]

我计算时间大约比你给的时间短30到50倍。

旧答案

我想这很明显，我可能完全忽略了这一点，但是

heapq.nlargest(N, enumerate(...))

将以相反的顺序获取由其索引标记的最后N个元素。然后你只用它

top_N_j = map(lambda x: x[0], top_N_indexed_rating)

将其转变为索引。

所以看起来你想要的是

end = len(...)
start = max(0, end - N)
top_N_j = reversed(range(start, end))

（虽然我必须承认非常对你正在做的事感到困惑。）

有没有办法进一步优化Python的heapq.nlargest来选择前N项？

1 个答案:

新答案

旧答案