Question

def function_1(arr):
    return [j for i in range(len(arr)) for j in range(len(arr))
            if np.array(arr)[i] == np.sort(arr)[::-1][j]]

给出一个arrarr数组。每个位置[i]都需要在arriarri数组中找到arrarr元素编号，并按降序排列。 arrarr数组的所有值都不相同。

我必须写1行func。它正在工作，但是非常缓慢。我必须这样做：

np.random.seed(42)
arr = function_1(np.random.uniform(size=1000000))
print(arr[7] + arr[42] + arr[445677] + arr[53422])

请帮助优化代码。

Answer 1

您反复对数组进行排序和反转，但是该操作的结果与i或j的当前值无关。简单的事情是预先计算它，然后在列表推导中使用它的值。

为此，range(len(arr))也可以计算一次。

最后，arr已经是一个数组；您不需要每次都通过i循环进行复制。

def function_1(arr):
    arr_sr = np.sort(arr)[::-1]
    r = range(len(arr))
    return [j for i in r for j in r if arr[i] == arr_sr[j]]

将其设置为一行变得比较棘手。除了极度人为的外部约束外，没有任何理由这样做，但是一旦发布了Python 3.8，赋值表达式将使其变得更容易。我认为以下内容是等效的。

def function_1(arr):
    return [j for i in (r:=range(len(arr))) for j in r if arr[i] == (arr_sr:=np.sort(arr)[::-1])[j]]

Answer 2

考虑一下此处正在进行的步骤：

[j
 for i in range(len(arr))
 for j in range(len(arr))
 if np.array(arr)[i] == np.sort(arr)[::-1][j]
]

假设您的数组包含 N 个元素。您选择一个i， N 个不同的时间您选择了j个 N 个不同的时间然后，对于每个(i,j)对，您都要执行最后一行。也就是说，您正在做最后一行 N ^ 2 次。

但是在最后一行中，您正在对包含 N 个元素的数组进行排序。那是一个NlogN操作。因此，您的代码的复杂度为O（N ^ 3.logN）。

在调用[... for i ... for j ...]之前，尝试对数组进行排序。这样可以将时间复杂度降低为O（N ^ 2 + NlogN）

我认为...