如何解决在Numpy结构化数组中查找值的更快方法
在学习使用Numpy和Python 3创建哈希图时,我想到了以下代码,该代码使用了Numpy结构化数组data
。
但是,从键中选择一个值所需的时间非常慢,如timeit
所示,它比较了Numpy结构化数组data
的13.3秒和Python字典{{ 1}}。
d
是否有更快的方法来获取特定钥匙的物品?
val = data[data['keys'] == key]['values'][0]
数字查询方法1: 13.3秒
import numpy as np
import timeit
N = 1000*1000
keyArr = np.random.randint(0,1000*1000*1000*4,N)
valArr = np.random.rand(N)
key = keyArr[0] # Select an existing key value
# Numpy structured array
data = np.empty(keyArr.shape[0],dtype=[('keys',keyArr.dtype),('values',valArr.dtype)])
data['keys'] = keyArr
data['values'] = valArr
val = data[data['keys'] == key]['values'][0]
print(key,'=>',val) # 558520981 => 0.17948995177905835
print( timeit.Timer("data[data['keys'] == key]['values'][0]",globals=globals()).timeit(10*1000),'secs' ) # 13.256318201000001 secs
# Python built-in dictionary
d = {}
for k,v in zip(keyArr,valArr):
d[k] = v
print(key,d[key]) # 558520981 => 0.17948995177905835
print( timeit.Timer("d[key]",'secs' ) # 0.0008061910000000116 secs
数字查询方法2: 13.4秒
val = data[data['keys'] == key]['values'][0]
val = data['values'][np.where(data['keys'] == key)][0]
:6.8秒
pandas.Series
解决方法
问题的主要根源在于,像numpy和pandas这样的查找操作需要检查列表中的每个元素,因为它们也打算执行多项选择和更复杂的查找操作。但是,python字典只能执行单次匹配查找,但这是对二叉树的最佳实现。
因此,如果您打算坚持使用键访问,那么我认为您找不到比字典更快的东西。否则,我会押注大熊猫以获得最快的访问时间。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。