Question

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，

Answer 1

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

Answer 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)

Answer 3

我不知道它是否会更快，但您可以尝试numpy's shuffle。

Python中数百万个元素的随机列表

3 个答案: