在python 3中,我有一个简单的骰子滚动程序。它的作用是询问用户掷骰子的数量以及他们想要掷骰子的次数。
这是通过创建一个列表来完成的,每个子列表代表一个骰子方面。每次生成一个随机数时,它都会附加到相应的子列表中。
结果以简单的打印程序显示。
我的查询是如何使用多处理使其更快,因为需要大约21分钟才能完成100万卷。
该计划的代码如下:
import time
import random
roll = []#List for the results
def rng(side,reps):#rolls the dice
for i in range(reps):
land = random.randint(1,side)
print(land)
roll[land-1].append(land)
def printR(side,reps):#Prints data
for i, item in enumerate(roll):
print('D'+str(i+1),'=''total ',total)
def Main():
side = int(input('How many sides is the dice'))
reps = int(input('How many rolls do you want to do?'))
for i in range(side):#Creates empty arrays corresponding to amount of sides
roll.append([])
t0= time.clock()#Start timing dice roller
rng(side,reps)
t1 = time.clock()#End timing of dice roller
printR(side,reps)#Print data
times = t1 - t0#Time
print(round(times,3),'seconds')
Main()
答案 0 :(得分:0)
您不需要多处理。您需要做的就是使用更好的算法。
>>> import collections
>>> import random
>>> import time
>>> def f():
... t = time.perf_counter()
... print(collections.Counter(random.randint(1,6) for _ in range(1000000)))
... print(time.perf_counter() - t)
...
>>> f()
Counter({2: 167071, 4: 166855, 3: 166681, 1: 166678, 5: 166590, 6: 166125})
2.207268591399186
答案 1 :(得分:0)
选择备用算法可能是最好的计划,但对于它的价值,如果你确实想要使用多处理,那么你可能需要解决不同的问题。例如,我们假设您有一个数字列表列表。
nums = [[1,2,3],[7,8,9],[4,5,6]]
然后你可以有一个每个子列表的函数,它可以计算并返回子集中数字的总和。汇总结果以获得全部总和,可能比使用足够大的数据集更快。例如,您也可以使用多道程序合并排序。当您有许多不会相互干扰且可以单独完成的任务时,多道程序设计/线程编程是最佳的。
对于您的原始问题,您可能需要考虑如何跟踪每侧的总卷数,这样您就可以在每一侧计算卷数,但是那时会出现如何解决确保计数器一致/如何知道何时停止。