Python中数百万个元素的随机列表

时间:2011-01-08 02:35:08

标签: python list random performance shuffle

我已经将此answer作为在Python中随机化字符串列表的最佳方式阅读。我只是想知道那是否是最有效的方法,因为我通过以下代码列出了大约3000万个元素:

import json
from sets import Set
from random import shuffle

a = []

for i in range(0,193):
    json_data = open("C:/Twitter/user/user_" + str(i) + ".json")
    data = json.load(json_data)
    for j in range(0,len(data)):
        a.append(data[j]['su'])
new = list(Set(a))
print "Cleaned length is: " + str(len(new))

## Take Cleaned List and Randomize it for Analysis
shuffle(new)

如果有更有效的方法,我会非常感谢有关如何做的建议。

谢谢,

3 个答案:

答案 0 :(得分:4)

一些可能的建议:

import json
from random import shuffle

a = set()
for i in range(193):
    with open("C:/Twitter/user/user_{0}.json".format(i)) as json_data:
        data = json.load(json_data)
        a.update(d['su'] for d in data)

print("Cleaned length is {0}".format(len(a)))

# Take Cleaned List and Randomize it for Analysis
new = list(a)
shuffle(new)

  • 了解它是否更快的唯一方法是分析它!
  • 你喜欢sets.Set到内置的set()是有原因的吗?
  • 我已经介绍了一个with子句(打开文件的首选方式,因为它保证它们会被关闭)
  • 除了将'a'转换为集合之外,您似乎没有使用'a'作为列表做任何事情;为什么不从头开始制作它?
  • 而不是迭代索引,然后对索引进行查找,我只是迭代数据项......
  • 使其可以轻松地重写为生成器表达式

答案 1 :(得分:2)

如果您认为自己要进行随机播放,那么最好使用此文件中的解决方案。对于realz。

randomly mix lines of 3 million-line file

基本上,shuffle算法的周期非常短(意味着它不能达到300万个文件的所有可能组合,更不用说3000万个)。如果您可以将数据加载到内存中,那么您最好的选择就是他们所说的。基本上为每一行分配一个随机数并对那个badboy进行排序。

查看此主题。在这里,我为你做了,所以你没有弄乱任何东西(这是一个笑话),

import json
import random
from operator import itemgetter

a = set()
for i in range(0,193):
    json_data = open("C:/Twitter/user/user_" + str(i) + ".json")
    data = json.load(json_data)
    a.update(d['su'] for d in data)

print "Cleaned length is: " + str(len(new))

new = [(random.random(), el) for el in a]
new.sort()
new = map(itemgetter(1), new)

答案 2 :(得分:0)

我不知道它是否会更快,但您可以尝试numpy's shuffle