Question

由于在其中有一个家庭作业，我正在回到python，我正在寻找有关加速我的代码部分的帮助。由于没有提供我的想法，我的上一篇文章被低估了，所以这次我会做得更好。

我有一个购买交易的文本文件，如下所示：

A B C D E F
A E F G H I J K 
A B D E F G H
B C D F G H
G H I K J
G H I J
B C D H J K
B C D H K
A C E G I K
A B D F G H I
A B C D E F G H I J K
A B C D E
C D F G
C E F G H I
C D E J K
J K
G H I J K
A B D
A C D K
A B D I J K
A B C E F G 
F G I J K
A F G K 
B C E F G H
A D E
A B 
C D E F 
C E F G H I J
I J K
E F H I J K

其中每个字母对应于特定产品的购买，并且每行是交易（对于第一行，有人购买了产品A B C D E和F）。我需要对每件产品的购买次数进行初步计算，然后创建至少购买S次的商品清单。这就是我的代码：

import itertools
import operator

item_data_lol = []
with open("test_file.txt") as inputfile:
   for line in inputfile:
       item_data_lol.append(line.strip().split(','))

# this is what item_data_lol loads in as
# [['A B C D E F'], ['A E F G H I J K'], ['A B D E F G H'], ['B C D F G H'], ['G H I K J'], ['G H I J'], ['B C D H J K'], ['B C D H K'], ['A C E G I K'], ['A B D F G H I'], ['A B C D E F G H I J K'], ['A B C D E'], ['C D F G'], ['C E F G H I'], ['C D E J K'], ['J K'], ['G H I J K'], ['A B D'], ['A C D K'], ['A B D I J K'], ['A B C E F G'], ['F G I J K'], ['A F G K'], ['B C E F G H'], ['A D E'], ['A B'], ['C D E F'], ['C E F G H I J'], ['I J K'], ['E F H I J K']]

S = 14

# initialize dictionary to count frequency of individual items
first_lookup = {}

# loop over each row, then each element, obtaining a total element count for each element 
for line in item_data_lol:
    line = line[0]
    for item in line.split():
        if item in first_lookup.keys():
            first_lookup[item] += 1
        else:
            first_lookup[item] = 1


# Get list of frequent items
frequent_items = []
for this_key, this_value in first_lookup.iteritems():
    if this_value > support_threshold:
        frequent_items.append(this_key)

print(first_lookup)
print(frequent_items)

这个代码结构对我的小数据集很有用，但是当我在提供的完整txt文件上运行我的程序时，这需要很长时间。这段代码只是我必须编写的一个较大算法的一小部分（apriori算法用于查找频繁项集），因此它的第一部分就像它一样长。如果我可以使用不同的python函数加速这部分代码（我主要用于循环，如果因为我生锈了python并且不记得很多函数），那么我可能会加速程序的后续部分同样。

欣赏有关如何提高速度的任何想法

Answer 1

你在字典键上遇到了可悲的经典测试，而不是字典本身。

if item in first_lookup.keys():

应该是

if item in first_lookup:

从字典查找中受益。对first_lookup.keys()的显式调用会在Python 2中生成list，因此in适用于列表而非字典。

在您的情况下，替换该循环：

for line in item_data_lol:
    line = line[0]
    for item in line.split():
        if item in first_lookup.keys():
            first_lookup[item] += 1
        else:
            first_lookup[item] = 1

通过这种方式可以加快速度（使用由生成器理解初始化的collections.Counter）：

import collections
first_lookup = collections.Counter(item for line in item_data_lol for item in line[0].split())

Python - 将事务数据加载到列表列表中，计算每个字符串的出现次数

1 个答案: