我在 python 中调用 itertools(见下文)。在此代码中,snp_dic
是一个具有整数键并设置为值的字典。此处的目标是找到键的最小列表,其值的并集是等价于 set_union
的集并集的组合。 (这相当于为那些感兴趣的人解决流行的 NP-hard 图论问题集合的全局最优解)!下面的算法有效,但这里的目标是优化。
我看到的最明显的优化与 itertools 有关。假设对于长度 r,snp_dic 中存在 r 个集合的组合,其 union = set_union。基本概率表明,如果此组合存在并且随机均匀分布在组合的某处,则预计平均只需要迭代组合即可找到此集合覆盖组合。然而,Itertools 将返回所有可能的组合,通过在每次迭代中检查,花费的时间是检查 set_unions 的预期时间的两倍。
一个合乎逻辑的解决方案似乎只是在本地实现 itertools.combinations() 。基于 python 文档中 itertools.combinations() 的“等效”python 实现,但是时间大约慢两倍,因为 itertools.combinations 调用 C 级实现而不是 python-native 实现。
那么问题(最后)是,我怎样才能一个一个地流式传输 itertools.combinations() 的结果,这样我就可以在进行过程中检查集合并集,这样它仍然在与 python 实现几乎相同的时间运行itertools.combinations()。在回答中,如果您可以包括对新方法进行计时的结果以证明它在与 python-native 实现相似的时间运行,我将不胜感激。任何其他优化也表示赞赏。
def min_informative_helper(snp_dic, min, set_union):
union = lambda set_iterable : reduce(lambda a,b: a|b, set_iterable) #takes the union of sets
for i in range(min, len(snp_dic)):
combinations = itertools.combinations(snp_dic, i)
combinations = [{i:snp_dic[i] for i in combination} for combination in combinations]
for combination in combinations:
comb_union = union(combination.values())
if(comb_union == set_union):
return combination.keys()
最佳答案
itertools 为其返回的内容提供生成器。要流式传输它们,只需使用
for combo in itertools.combinations(snp_dic, i):
... remainder of your logic
combinations 方法在您每次访问它时返回一个新元素:每次循环迭代一个。
关于python - 在 Python 中优化 Itertools 结果,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/40753065/