我对 Java 和 Python 中一段特定代码的性能有疑问。
算法:
我正在生成随机 N 维点,然后对彼此之间一定距离阈值以下的所有点进行一些处理。处理本身在这里并不重要,因为它不会影响总执行时间。在这两种情况下生成点也只需要几分之一秒,所以我只对进行比较的部分感兴趣。
执行时间:
对于 3000 个点和二维的固定输入,Java 在 2 到 4 秒 内完成,而 Python 需要 15 到 200 秒。
我对 Python 的执行时间有点怀疑。这段 Python 代码中有什么我遗漏的吗?是否有任何算法改进建议(例如预分配/重用内存、降低 Big-Oh 复杂性的方法等)?
Java
double random_points[][] = new double[number_of_points][dimensions];
for(i = 0; i < number_of_points; i++)
for(d = 0; d < dimensions; d++)
random_points[i][d] = Math.random();
double p1[], p2[];
for(i = 0; i < number_of_points; i++)
{
p1 = random_points[i];
for(j = i + 1; j < number_of_points; j++)
{
p2 = random_points[j];
double sum_of_squares = 0;
for(d = 0; d < DIM_; d++)
sum_of_squares += (p2[d] - p1[d]) * (p2[d] - p1[d]);
double distance = Math.sqrt(ss);
if(distance > SOME_THRESHOLD) continue;
//...else do something with p1 and p2
}
}
python 3.2
random_points = [[random.random() for _d in range(0,dimensions)] for _n in range(0,number_of_points)]
for i, p1 in enumerate(random_points):
for j, p2 in enumerate(random_points[i+1:]):
distance = math.sqrt(sum([(p1[d]-p2[d])**2 for d in range(0,dimensions)]))
if distance > SOME_THRESHOLD: continue
#...else do something with p1 and p2
最佳答案
您可能要考虑使用 numpy .
我刚刚尝试了以下方法:
import numpy
from scipy.spatial.distance import pdist
D=2
N=3000
p=numpy.random.uniform(size=(N,D))
dist=pdist(p, 'euclidean')
最后一行计算距离矩阵(这相当于在您的代码中为每对点计算 distance
)。在我的电脑上大约需要 0.07 秒。
此方法的主要缺点是距离矩阵需要 O(n^2)
内存。如果这是一个问题,以下可能是更好的选择:
for i in xrange(1, N):
v = p[:N-i] - p[i:]
dist = numpy.sqrt(numpy.sum(numpy.square(v), axis=1))
for j in numpy.nonzero(dist > 1.4)[0]:
print j, i+j
对于 N=3000,这在我的电脑上需要大约 0.33 秒。
关于Java 与 Python 特定的代码片段性能改进,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5705378/