Question

索引Numpy ndarray的性能比（Python）列表差吗？

一些背景。为了解决Sudoku的问题，我将问题转换为精确的掩盖问题，并使用Knuth的“ algorithm X”在Python中解决了问题，但是（显然吗？）没有跳舞链接。一切似乎都不错，但与更传统的回溯搜索和弧形一致性相比较，性能却有些慢。大约75％的时间花费在我称为“ cover”的函数上。基本上，列表索引的确很多。由于Python列表是作为指向Python对象的指针的动态数组实现的，而Numpy ndarrays是具有所有大小都相同的固定大小的数组（如C数组），所以我认为将Python列表转换为ndarray可以加快程序的速度。

import numpy as np

def cover(row_valid, col_valid):
    for cnt in range(10000):
        for j,v in enumerate(row[20]):
            if v == 1:
                # for all values = 1 in row r set col c invalid
                col_valid[j] = 1 # hack
                # for all valid rows r': if row[r][i] == 1 and row[r'][i] == 1:
                # set row r' invalid (this includes r itself)
                for row_idx, valid in enumerate(row_valid):
                    if valid == 1: # if row is valid
                        if row[row_idx][j] == 1:
                            row_valid[row_idx] = 1 # hack     

# version with Python lists
row = [[0 for c in range(100)] for r in range(100)]
row_valid = 100 * [1]
col_valid = 100 * [1]

# version with Numpy ndarrays
row = np.zeros((100, 100), dtype=np.uint8)
row_valid = np.ones(100, dtype=np.uint8)
col_valid = np.ones(100, dtype=np.uint8)

# run both versions using
import time

start_time = time.time()
cover(row_valid, col_valid)
end_time = time.time()
hrs, rem = divmod(end_time-start_time, 3600)
mins, secs = divmod(rem, 60)
print("duration [hh:mm:ss]: {:0>2}:{:0>2}:{:05.2f}".format(int(hrs),int(mins),secs))
print()

功能封面没有做任何有用的事情，我对其进行了一些修改以使其可重复。但是结构与原始结构相同。

Numpy ndarray版本大约比list版本慢25倍。任何想法为什么会这样？有没有办法改善功能罩的性能？

性能：Python列表与Numpy ndarrays

0 个答案: