Performance Python—为什么这段代码需要这么长时间？

我关心的是两个散列行之间的部分。以下代码运行时间太长，我无法等待其输出。当我用另一段代码替换有问题的部分时，程序只需几秒钟就可以运行（见本文末尾）。我的目标是生成90个均匀分布在单位正方形中的数据点（

var1

，

var2

），然后生成12个随机放置在半径为1/8的圆中的点，该圆完全位于单位正方形内（

cir1

，

cir2

），最后将这两个点集连接起来（

sph1

，

sph2

）

从昨天的广告开始，我就一直在挖掘这段代码，我确信它是正确的（显然不是）。我可能遗漏了一些非常明显的东西

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import random
import math
import numpy as np
import sys
from heapq import merge
import multiprocessing as mp
from multiprocessing import Pool

boot = 2
RRpoints = 90
rrpoints = 12
step = np.arange(-8.0 , 0.5 , 0.5)

def distance_between_points(ite, jte):
    xi, yi = ite
    xj, yj = jte
    x2 = (xi - xj) ** 2
    y2 = (yi - yj) ** 2
    d = math.sqrt(x2 + y2)
    return d

def heaviside_step(n):
    return int(n >= 0)

def myscript(iteration_number):
    RRfile_name = "MC_out_cluster_1/output%d.txt" % iteration_number
    with open(RRfile_name, "w") as RRf:
#############################################################################
        np.random.seed()
        var1 = np.random.uniform(0, 1 , RRpoints)
        var2 = np.random.uniform(0, 1 , RRpoints)
        cir1 = []
        cir2 = []
        x0 = np.random.uniform(0.125 , 0.875)
        y0 = np.random.uniform(0.125 , 0.875)
        while ( len(cir1) < rrpoints and len(cir2) < rrpoints ):
            np.random.seed()
            col1 = np.random.uniform(x0 - 0.125 , x0 + 0.125)
            col2 = np.random.uniform(y0 - 0.125 , y0 + 0.125)
            if (x0 - col1) ** 2 + (y0 - col2) ** 2 <= 1/64:
                cir1.append(col1)
                cir2.append(col2)
        sph1 = list(merge(var1 , cir1))
        sph2 = list(merge(var2 , cir2))
############################################################################
        corr = []
        for k in xrange(0, len(step)):
            h = 0
            for i in xrange(0, RRpoints):
                for j in xrange(1 + i, RRpoints):
                    ite = sph1[i] , sph2[i]
                    jte = sph1[j] , sph2[j]
                    dbp = distance_between_points(ite, jte)
                    h += heaviside_step(math.exp( step[k] ) - dbp)
            corr.append([math.exp(step[k]) , h])

        for item in corr:
            RRf.write("{0}\t{1}\n".format(item[0], item[1]))

x = xrange(boot)
p = mp.Pool()

y = p.imap(myscript, x)
list(y)

！/usr/bin/env python
#-*-编码：utf-8-*-
随机输入
输入数学
将numpy作为np导入
导入系统
从heapq导入合并
将多处理作为mp导入
来自多处理导入池
启动=2
rR点=90
rr分=12分
阶跃=np.arange（-8.0,0.5,0.5）
def点之间的距离（ite，jte）：
席，伊利石
xj，yj=jte
x2=（xi-xj）**2
y2=（yi-yj）**2
d=数学sqrt（x2+y2）
返回d
def heaviside_步骤（n）：
返回整数（n>=0）
def myscript（迭代编号）：
RRfile\u name=“MC\u out\u cluster\u 1/输出%d.txt”%迭代编号
打开（RRU文件名，“w”）作为RRf：
#############################################################################
np.random.seed（）
var1=np.随机.均匀（0,1,rr点）
var2=np.随机.均匀（0,1,rr点）
cir1=[]
cir2=[]
x0=np.随机均匀（0.125,0.875）
y0=np.随机均匀（0.125,0.875）
而（len（cir1）1/16）：
var1.append（col1）
var2.append（col2）
cir1=[]
cir2=[]
而（len（cir1）=0.140625和（new1-1）**2+（new2-0.5）**2>=0.140625）：
cir1.追加（新1）
cir2.追加（新2）
sph1=列表（合并（var1，cir1））
sph2=列表（合并（var2，cir2））
#############################################################################

您使用的是Python2.x，因此

1/64==0

（在Python2中，两个整数的除法得到一个整数结果）。如果可以，请升级到Python3.x，否则将测试更改为使用

1./64

您使用的是Python2.x，因此

1/64==0

（在Python2中，两个整数的除法给出一个整数结果）。如果可以，升级到Python3.x，否则将测试更改为使用

1./64

您使用的是哪个版本的Python？您还可以使用

x=sqrt（r）*cos（θ）更有效地在圆中生成随机点；y=sqrt（r）*sin（θ）

。请参见，和，.您使用的是哪种版本的python？您还可以使用

x=sqrt（r）*cos（θ）更有效地生成圆中的随机点；y=sqrt（r）*sin（θ）

。请参阅，以及。

 #############################################################################
        var1 = []
        var2 = []
        while (len(var1) < RRpoints):
            np.random.seed()
            col1 = np.random.uniform(0 , 1)
            col2 = np.random.uniform(0 , 1)
            if ( col1 ** 2 + (col2 - 0.5) ** 2 > 1/16 and (col1 - 1) ** 2 + (col2 - 0.5) ** 2 > 1/16 ):
                var1.append(col1)
                var2.append(col2)
        cir1 = []
        cir2 = []
        while (len(cir1) < rrpoints and len(cir2) < rrpoints):
            np.random.seed()
            new1 = np.random.uniform(0.125 , 0.875)
            new2 = np.random.uniform(0.125 , 0.875)
            if ( new1 ** 2 + (new2 - 0.5) ** 2 >= 0.140625 and (new1 - 1) ** 2 + (new2 - 0.5) ** 2 >= 0.140625 ):
                cir1.append(new1)
                cir2.append(new2)
        sph1 = list(merge(var1 , cir1))
        sph2 = list(merge(var2 , cir2))
 #############################################################################