python - 如何优化此Python代码以生成所有单词距离为1的单词？

Question

分析显示这是我编写的一个小文字游戏中最慢的代码段:

def distance(word1, word2):
    difference = 0
    for i in range(len(word1)):
        if word1[i] != word2[i]:
            difference += 1
    return difference

def getchildren(word, wordlist):
    return [ w for w in wordlist if distance(word, w) == 1 ]

笔记:

distance()被调用超过500万次，其中大部分来自getchildren，这应该使单词表中与word相差仅1个字母的所有单词。

单词列表已预先过滤，只有与word包含相同数量字母的单词，因此可以保证word1和word2具有相同数量的字符。

我是Python的新手(三天前开始学习它)，因此对命名约定或其他样式问题的评论也非常感谢。

用于单词列表，使用“2 + 2lemma.txt”文件

获取12dict word list

结果:

谢谢大家，结合不同的建议，我使程序现在运行的速度提高了两倍(在我问之前我自己做了一些优化，所以速度比最初的实现快了4倍)

我测试了两组输入，分别称为A和B

优化1:遍历word1,2 ...的索引

for i in range(len(word1)):
        if word1[i] != word2[i]:
            difference += 1
    return difference

使用zip(word1, word2)迭代字母对

for x,y in zip (word1, word2):
        if x != y:
            difference += 1
    return difference

输入A的执行时间从11.92到9.18，输入B的执行时间从79.30到74.59

优化2:
除了距离方法(我仍需要其他用于A *启发式的方法)之外，还添加了一种单独的方法来解决差异

def is_neighbors(word1,word2):
    different = False
    for c1,c2 in zip(word1,word2):
        if c1 != c2:
            if different:
                return False
            different = True
    return different

输入A的执行时间从9.18到8.83，输入B的执行时间从74.59到70.14

优化3:
这里最大的赢家是使用izip而不是zip
输入A的执行时间从8.83到5.02，输入B的执行时间从70.14到41.69

我可能会更好地用较低级别的语言编写它，但是现在我对此感到满意。谢谢大家!

再次编辑:更多结果
使用Mark的方法检查第一个字母不匹配的情况，将其从5.02-> 3.59和41.69-> 29.82降低

在此基础上，并结合izip而不是range 的，我最终得到了这一点:

def is_neighbors(word1,word2):
    if word1[0] != word2[0]:
        return word1[1:] == word2[1:]
    different = False
    for x,y in izip(word1[1:],word2[1:]):
        if x != y:
            if different:
                return False
            different = True
    return different

压缩了一点点，时间从3.59-> 3.38和29.82-> 27.88减少了

更多结果!

尝试Sumudu的建议，我生成所有与“word”相差1个字母的字符串的列表，然后检查以查看单词列表中的哪些字符串，而不是is_neighbor函数，我最终得到以下结果:

def one_letter_off_strings(word):
    import string
    dif_list = []
    for i in xrange(len(word)):
        dif_list.extend((word[:i] + l + word[i+1:] for l in string.ascii_lowercase if l != word[i]))
    return dif_list

def getchildren(word, wordlist):
    oneoff = one_letter_off_strings(word)
    return ( w for w in oneoff if w in wordlist )

最终变慢了(3.38-> 3.74和27.88-> 34.40)，但看起来很有希望。起初，我认为我需要优化的部分是“one_letter_off_strings”，但分析显示结果却相反，而最慢的部分实际上是

( w for w in oneoff if w in wordlist )

我想如果我切换“oneoff”和“wordlist”是否会有任何区别，并且在我寻找两个列表的交集的时候碰到了另一个比较。我用字母上的 set-intersection代替了它:

return set(oneoff) & set(wordlist)

am! 3.74-> 0.23和34.40-> 2.25

与我最初的幼稚实现相比，这真是太神奇了，总的速度差异:
23.79-> 0.23和180.07-> 2.25，因此比原始实现快80到100倍。

如果有人感兴趣，我会写博客文章describing the program和describing the optimizations，其中包括此处未提及的内容(因为它在代码的不同部分)。

大辩论:

好的，我和Unknown正在进行一场大辩论，您可以在his answer的注释中阅读。他声称，如果将其移植到C，使用原始方法(使用is_neighbor而不是使用set)会更快。我尝试了2个小时来获取自己编写的C模块，并尝试将其链接后没有太大的成功请遵循this和this示例，并且在Windows中该过程看起来有些不同？我不知道，但是我放弃了。无论如何，这是程序的完整代码，文本文件来自12dict word list，使用“2 + 2lemma.txt”文件。抱歉，如果代码有点困惑，那只是我一起破解的东西。我也忘记了从单词表中去除逗号，所以实际上这是一个错误，您可以为了进行相同的比较而留在其中，也可以通过在清除条目中的字符列表中添加逗号来修复该错误。

from itertools import izip
def unique(seq):  
    seen = {} 
    result = [] 
    for item in seq: 
        if item in seen:
            continue 
        seen[item] = 1 
        result.append(item) 
    return result
def cleanentries(li):
    pass
    return unique( [w.strip('[]') for w in li if w != "->"] )
def distance(word1, word2):
    difference = 0
    for x,y in izip (word1, word2):
        if x != y:
            difference += 1
    return difference
def is_neighbors(word1,word2):
    if word1[0] != word2[0]:
        return word1[1:] == word2[1:]
    different = False
    for x,y in izip(word1[1:],word2[1:]):
        if x != y:
            if different:
                return False
            different = True
    return different
def one_letter_off_strings(word):
    import string
    dif_list = []
    for i in xrange(len(word)):
        dif_list.extend((word[:i] + l + word[i+1:] for l in string.ascii_lowercase if l != word[i]))
    return dif_list

def getchildren(word, wordlist):
    oneoff = one_letter_off_strings(word)
    return set(oneoff) & set(wordlist)
def AStar(start, goal, wordlist):
    import Queue
    closedset = []
    openset = [start]
    pqueue = Queue.PriorityQueue(0)
    g_score = {start:0}         #Distance from start along optimal path.
    h_score = {start:distance(start, goal)}
    f_score = {start:h_score[start]}
    pqueue.put((f_score[start], start))
    parent_dict = {}
    while len(openset) > 0:
        x = pqueue.get(False)[1]
        if x == goal:
            return reconstruct_path(parent_dict,goal)
        openset.remove(x)
        closedset.append(x)
        sortedOpen = [(f_score[w], w, g_score[w], h_score[w]) for w in openset]
        sortedOpen.sort()
        for y in getchildren(x, wordlist):
            if y in closedset:
                continue
            temp_g_score = g_score[x] + 1
            temp_is_better = False
            appended = False
            if (not y in openset): 
                openset.append(y)
                appended = True
                h_score[y] = distance(y, goal)
                temp_is_better = True
            elif temp_g_score < g_score[y] :
                temp_is_better = True
            else :
                pass
            if temp_is_better:
                parent_dict[y] = x
                g_score[y] = temp_g_score
                f_score[y] = g_score[y] + h_score[y]
                if appended :
                    pqueue.put((f_score[y], y))
    return None


def reconstruct_path(parent_dict,node):
     if node in parent_dict.keys():
         p = reconstruct_path(parent_dict,parent_dict[node])
         p.append(node)
         return p
     else:
         return []        

wordfile = open("2+2lemma.txt")
wordlist = cleanentries(wordfile.read().split())
wordfile.close()
words = []
while True:
    userentry = raw_input("Hello, enter the 2 words to play with separated by a space:\n ")
    words = [w.lower() for w in userentry.split()]
    if(len(words) == 2 and len(words[0]) == len(words[1])):
        break
print "You selected %s and %s as your words" % (words[0], words[1])
wordlist = [ w for w in wordlist if len(words[0]) == len(w)]
answer = AStar(words[0], words[1], wordlist)
if answer != None:
    print "Minimum number of steps is %s" % (len(answer))
    reply = raw_input("Would you like the answer(y/n)? ")
    if(reply.lower() == "y"):
        answer.insert(0, words[0])
        print "\n".join(answer)
    else:
        print "Good luck!"
else:
    print "Sorry, there's no answer to yours"
reply = raw_input("Press enter to exit")

我没有使用is_neighbors方法。这是建议移植到C的方法。要使用它，只需将getchildren替换为:

def getchildren(word, wordlist):
    return ( w for w in wordlist if is_neighbors(word, w))

至于让它作为C模块工作，我还没走那么远，但这是我想出的:

#include "Python.h"

static PyObject *
py_is_neighbor(PyObject *self, Pyobject *args)
{
    int length;
    const char *word1, *word2;
    if (!PyArg_ParseTuple(args, "ss", &word1, &word2, &length))
        return NULL;

    int i;
    int different = 0;
    for (i =0; i < length; i++)
    {
        if (*(word1 + i) != *(word2 + i))
        {
            if (different)
            {
                return Py_BuildValue("i", different);
            }
            different = 1;
        }
    }
    return Py_BuildValue("i", different);
}

PyMethodDef methods[] = {
    {"isneighbor", py_is_neighbor, METH_VARARGS, "Returns whether words are neighbors"},
    {NULL, NULL, 0, NULL}
};

PyMODINIT_FUNC
initIsNeighbor(void)
{
    Py_InitModule("isneighbor", methods);
}

我使用以下方法对此进行了分析:

python -m cProfile "Wordgame.py"

记录的时间是AStar方法调用的总时间。快速输入集是“诗人诗集”，而长输入集是“诗人诗集”。时间显然在不同的机器之间会有所不同，因此，如果有人最终尝试这样做，则会对程序以及C模块的结果进行比较。

Answer 1

如果您的单词表很长，从“单词”中生成所有可能的1个字母的差异，然后检查列表中的哪些可能更有效？我不知道任何Python，但应该为单词列表提供合适的数据结构，以便进行日志时间查找。

我建议这样做是因为，如果您的单词长度合理(〜10个字母)，那么您只会查找250个潜在单词，如果您的单词列表大于几百个单词，这可能会更快。