Question

我正在this problem上做HackerRank。我不是专门寻找更好地解决问题的方法，尽管当然欢迎这些方法（我想知道这里是否使用了yield关键字，或者是否可以我可以动态地将range()与y * y进行比较的部分）。

我真正好奇的是，为什么我解决问题的一种方法可以缓解很多超时，并且我认为这与in关键字与range一起使用的方式有关-我我猜它不只是运行一个循环并比较所有元素吗？

导致所有超时的代码：

def squares(a, b):
    max_square = int(math.sqrt(b) // 1)
    min_square = int(math.sqrt(a) // 1)
    counter = 0
    for n in range(a, b + 1):
        for y in range(min_square, max_square + 1):
            if y * y == n:
                counter += 1
    return counter

缓解一次超时的所有代码：

def squares(a, b):
    max_square = int(math.sqrt(b) // 1)
    min_square = int(math.sqrt(a) // 1)
    counter = 0
    for y in range(min_square, max_square + 1):
        if (y * y) in range(a, b + 1):
            counter += 1
    return counter

在reading a bit about ranges之后，我决定尝试使用此代码，从而减轻了所有超时。我认为这是因为范围类似于列表和生成器的混合，通过创建一次范围并将其保存为列表，我能够减轻对if的每次检查时范围的重新创建吗？坦率地说，有了这样的简单函数，Python每次运行都会重新生成相同的范围，而不是引用同一对象。可能我在这里想念什么？

def squares(a, b):
    max_square = int(math.sqrt(b) // 1)
    min_square = int(math.sqrt(a) // 1)
    counter = 0
    the_range_list = list(range(min_square, max_square + 1))
    for y in the_range_list:
        if (y * y) in range(a, b + 1):
            counter += 1
    return counter

我不知道如何进行基准测试，所以如果有人可以告诉我实际的时差，那将很酷。但是我真的想知道：为什么第二个版本显然要快得多？

测试用例：

print(squares(35, 70))
>>> 3
print(squares(100, 1000))
>>> 22
print(squares(3, 9))
>>> 2
print(squares(17, 24))
>>> 0

为什么`inrange（）`比嵌套循环快得多？快多少？

0 个答案: