我在字典中存储了以下树数据结构:
1
2
3
4 -> ["a", "b", "c"]
5 -> ["x", "y", "z"]
3
5
7 -> ["e", "f", "j"]
以下是我如何在 Python 中构建它的示例:
tree = dict()
for i in range(100):
tree[i] = dict()
for j in range(10):
tree[i][j] = dict()
for k in range(10):
tree[i][j][k] = dict()
for l in range(10):
tree[i][j][k][l] = dict()
for m in range(10):
tree[i][j][k][l][m] = dict()
for n in range(10):
tree[i][j][k][l][m][n] = ["a", "b", "c", "d", "e", "f", "g"]
我想遍历它并在到达每片叶子时做一些计算。在进行计算时,我需要知道到叶子的路径。
即给定回调
def callback(p1, p2, p3, p4, leaf):
...
我希望使用我的树示例来调用它:
callback(1, 2, 3, 4, ["a", "b", "c"])
callback(1, 2, 3, 5, ["x", "y", "z"])
callback(1, 3, 5, 7, ["e", "f", "j"])
问题:如何最有效地实现遍历?请注意,树的深度不是静态的。
这是我尝试过的:
<强>1。内联代码。这是最快的代码,但在实践中不可用,因为树的深度不是静态的。
def callback(*args):
assert isinstance(args[-1], list)
start = time.time()
for k1, leafs1 in tree.items():
for k2, leafs2 in leafs1.items():
for k3, leafs3 in leafs2.items():
for k4, leafs4 in leafs3.items():
for k5, leafs5 in leafs4.items():
for k6, val in leafs5.items():
callback(k1, k2, k3, k4, k5, k6, val)
print("inline: %f" % (time.time() - start))
在我的笔记本电脑上使用 Python 3.4.2 平均运行 3.5 秒。
<强>2。递归方法
from functools import partial
def iterate_tree(tree, depth, callback):
if depth:
for k, subtree in tree.items():
cb = partial(callback, k)
yield from iterate_tree(subtree, depth-1, cb)
else:
for k, v in tree.items():
rv = callback(k, v)
yield rv
start = time.time()
for i in iterate_tree(tree, 5, callback):
pass
print("iterate_tree: %f" % (time.time() - start))
这是通用的,一切都很好,但慢了 2 倍!
<强>3。非递归方法 我认为可能是递归,yield from
和partial
正在减慢我的速度。所以我试着把它弄平:
def iterate_tree2(tree, depth, callback):
iterators = [iter(tree.items())]
args = []
while iterators:
try:
k, v = next(iterators[-1])
except StopIteration:
depth += 1
iterators.pop()
if args:
args.pop()
continue
if depth:
args.append(k)
iterators.append(iter(v.items()))
depth -= 1
else:
yield callback(*(args + [k, v]))
start = time.time()
for i in iterate_tree2(tree, 5, callback):
pass
print("iterate_tree2: %f" % (time.time() - start))
这是泛型并且有效,但与递归相比性能有所提高,即仍然比内联版本慢两倍。
那么如何以通用的方式实现我的遍历呢?是什么让内联版本更快?
附言上面的代码适用于 Python 3.3+。我已将其改编为 Python 2,结果相似。
解决方案与分析
我已经对所有的解决方案和优化进行了比较分析。代码和结果可以从the gist获取.
长话短说;最快的解决方案是使用优化的基于循环的版本:
- 它是最快的版本,支持方便的回调结果报告
- 它只比内联版本慢 30%(在 Python3.4 上)
- 在 PyPy 上它获得了巨大的速度提升,甚至优于内联版本
在 PyPy 上运行时,基于循环的迭代拥有一切。
在非 pypy 上,主要的减速是回调的结果报告:
yield
ing 结果是最慢的 - 与内联相比损失约 30%。循环版本见iterate_tree6
,递归版本见iterate_tree3
- 通过从回调中调用回调进行报告稍微好一些——比内联(在 Python3.4 上)慢 17%。请参阅
iterate_tree3_noyield
- 没有任何报告能比内联报告运行得更好。请参见
iterate_tree6_nofeedback
对于基于递归的版本,使用元组来累积参数而不是列表。性能差异相当显着。
感谢所有为此主题做出贡献的人。
最佳答案
这是迭代 iterate_tree2
的优化版本。它在我的系统上快了 40%,这主要归功于改进的循环结构和消除 try except
。 Andrew Magee 的递归代码执行大致相同。
def iterate_tree4(tree, depth, callback):
iterators = [iter(tree.items())]
args = []
while iterators:
while depth:
for k, v in iterators[-1]:
args.append(k)
iterators.append(iter(v.items()))
depth -= 1
break
else:
break
else:
for k, v in iterators[-1]:
yield callback(*(args + [k, v]))
depth += 1
del iterators[-1]
del args[-1:]
关于python - 在 Python 中高效迭代任意深度字典树,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/29140068/