Основы
Ваш способ подсчета, где обе строки 1 очень медленно. Вот простой пример:
In [24]: a = '1010' * 2500
In [25]: b = '1100' * 2500
In [27]: def test1():
counter = 0
for i in range(len(a)):
if int(a[i]) == int(b[i]) == 1:
counter += 1
return counter
In [28]: %timeit test1()
100 loops, best of 3: 4.07 ms per loop
Сравните это с помощью что-то, что представляет ваши строки 1 и 0, как только бит:
In [29]: aba = bitarray(a)
In [30]: bba = bitarray(b)
In [31]: def test2():
....: return (aba & bba).count()
....:
In [32]: %timeit test2()
100000 loops, best of 3: 1.99 µs per loop
Это 2045 раз быстрее. Поэтому вопрос заключается не в том, как ускорить работу python, а в том, «какую структуру данных я должен использовать?».
Увеличить Масштаб
Использование bitarray и файл 10000 строк 100 1 и 0, что не ваш худший случай, но:
In [22]: from bitarray import bitarray
In [23]: testdata = open('teststrs.txt')
In [24]: l = [bitarray(line.rstrip()) for line in testdata]
In [25]: len(l)
Out[25]: 10000
In [26]: len(l[0])
Out[26]: 100
In [27]: combs = combinations(l, 2)
In [28]: %time res = [(a & b[:len(a)]).count() for a, b in combs]
CPU times: user 1min 14s, sys: 396 ms, total: 1min 15s
Wall time: 1min 15s
или с использованием продукта, как в вашем примере кода :
In [30]: from itertools import product
In [31]: prod = product(l, repeat=2)
In [32]: %time res = [(a & b[:len(a)]).count() for a, b in prod]
CPU times: user 2min 51s, sys: 628 ms, total: 2min 52s
Wall time: 2min 51s
Примечание:
я пропустил результаты обработки у вас есть, так как вы не открыли его, и он содержит мертвый код:
if a == b:
никогда не будет True
, так как в предыдущем случае вы убедитесь, что a < b
. Я считать, что у вас есть отступа или логические ошибки и имел в виду что-то вроде:
if a < b:
result = 0
elif a == b:
result = 1
else:
counter = 0
for i in range(len(l[a])):
if (int(l[a][i]) == int(l[b][i]) == 1):
counter += 1
result = counter/10000
print((a + 1), (b + 1), result)
«Real» Данные
С вашим худшем случае, если я правильно понял:
In [1]: src = map(lambda i: '{:010000b}\n'.format(i), iter(lambda: random.getrandbits(10000), None))
In [2]: import random
In [3]: from itertools import islice
In [4]: with open('teststrs.txt', 'w') as datafile:
datafile.writelines(islice(src, 0, 4623))
...
In [35]: testdata = open('teststrs.txt')
In [36]: l = [bitarray(line.rstrip()) for line in testdata]
In [37]: prod = product(l, repeat=2)
In [38]: %time res = [(a & b).count() for a, b in prod]
CPU times: user 52.1 s, sys: 424 ms, total: 52.5 s
Wall time: 52.5 s
In [39]: len(l)
Out[39]: 4623
In [40]: len(l[0])
Out[40]: 10000
Обратите внимание, что я обманул и пропустил нарезку b
. Это очень очень дорого, чтобы переместить все, что память вокруг, что разрезание будет делать, так как это создает новые копии:
In [43]: %time res = [(a & b[:len(a)]).count() for a, b in prod]
CPU times: user 29min 40s, sys: 676 ms, total: 29min 41s
Wall time: 29min 40s
Так что, если вы знаете максимальную разрядность заранее, или даже вычислить его из данных Я думаю, что было бы полезно для прокладки короткие bitarrays с нулями, а затем сделать все «подсчитывать 1»:
In [18]: def test():
with open('teststrs.txt') as testdata:
lines = [line.strip() for line in testdata]
max_len = max(map(len, lines))
l = [bitarray(line.ljust(max_len, '0')) for line in lines]
prod = product(l, repeat=2)
return [(a & b).count() for a, b in prod]
....:
In [19]: %timeit test()
1 loops, best of 3: 43.9 s per loop
Здесь teststrs.txt был составлен из 4623 смешанных длин (случайный выбор 100, 1000 или 10000) строк 1 'и 0'.
Похоже, что ваш код не с отступом правильно - вы можете исправить его, пожалуйста? – snakecharmerb
Попытка выяснить, если 'if a
Также это может помочь, если вы объясните, что этот код пытается достичь - возможны другие оптимизации, кроме как только ускорения кода примера. – snakecharmerb