计算重复列表值之间间隔的快速/Python方法

我想做一个列表中重复值之间所有间隔的柱状图。我写了一些有效的代码，但它在if语句中使用for循环。我经常发现，如果能够使用巧妙的切片和/或预定义的python（numpy）方法编写一个版本，那么可以得到比使用for循环快得多的python代码，但在这种情况下，我想不出任何方法来做到这一点。有人能建议一种更快或更具蟒蛇风格的方法吗

# make a 'histogram'/count of all the intervals between repeated values
def hist_intervals(a):
    values = sorted(set(a))  # get list of which values are in a

    # setup the dict to hold the histogram
    hist, last_index = {}, {}
    for i in values:
        hist[i] = {}
        last_index[i] = -1   # some default value

    # now go through the array and find intervals
    for i in range(len(a)):
        val = a[i]
        if last_index[val] != -1:   # do nothing if it's the first time
            interval = i - last_index[val]
            if interval in hist[val]:
                hist[val][interval] += 1
            else:
                hist[val][interval] = 1
        last_index[val] = i
    return hist

# example list/array
a = [1,2,3,1,5,3,2,4,2,1,5,3,3,4]

histdict = hist_intervals(a)

print("histdict = ",histdict)

# correct answer for this example
answer = {  1: {3:1, 6:1},
            2: {2:1, 5:1},
            3: {1:1, 3:1, 6:1},
            4: {6:1},
            5: {6:1}
            }
print("answer =   ",answer)

样本输出：

histdict =  {1: {3: 1, 6: 1}, 2: {5: 1, 2: 1}, 3: {3: 1, 6: 1, 1: 1}, 4: {6: 1}, 5: {6: 1}}
answer =    {1: {3: 1, 6: 1}, 2: {2: 1, 5: 1}, 3: {1: 1, 3: 1, 6: 1}, 4: {6: 1}, 5: {6: 1}}

---

^注意：我不关心dict中的顺序，所以这个解决方案是可以接受的，但我希望能够在非常大的数组/列表上运行，我怀疑我当前的方法会很慢

您可以通过精心构造的。然后，您只需对输入列表进行一次扫描，这是最好的。在这里，我将结果

defaultdict

更改回常规的

Dict[int，Dict[int，int]]

，但这只是为了让它打印得很好

from collections import defaultdict

def count_intervals(iterable):
    # setup

    last_seen = {}
    hist = defaultdict(lambda: defaultdict(int))

    # The actual work
    for i, x in enumerate(iterable):
        if x in last_seen:
            hist[x][i-last_seen[x]] += 1
        last_seen[x] = i

    return hist

a = [1,2,3,1,5,3,2,4,2,1,5,3,3,4]

hist = count_intervals(a)
for k, v in hist.items():
    print(k, dict(v))

# 1 {3: 1, 6: 1}
# 3 {3: 1, 6: 1, 1: 1}
# 2 {5: 1, 2: 1}
# 5 {6: 1}
# 4 {6: 1}

---

在数据结构方面有一个明显的变化。使用

计数器的
defaultdict
而不是使用
hist
的字典字典，这会使代码变为

from collections import defaultdict, Counter

# make a 'histogram'/count of all the intervals between repeated values
def hist_intervals(a):
    values = sorted(set(a))  # get list of which values are in a

    # setup the dict to hold the histogram
    hist, last_index = defaultdict(Counter), {}

    # now go through the array and find intervals
    for i, val in enumerate(a):
        if val in last_index
            interval = i - last_index[val]
            hist[val].update((interval,))
        last_index[val] = i
    return hist

如果

是用C编写的，

会更快，也会更干净。
我认为计数器的defaultdict在这里更有意义，但它非常相似。@OscarSmith如果你不使用

计数器的好构造函数，如果我们编辑@PatrickHaugh的解决方案，让它返回一个实际的dict，而不是仅仅打印到控制台，那么基准测试是。。。原始解决方案耗时0.712121740999919奥斯卡的解决方案耗时3.247460176999936帕特里克的解决方案耗时0.47523080800010575有趣的是，我的原始解决方案并没有那么慢，但仍然比需要的慢。@sh37211如果不转换为dicts，基准测试是什么样子？我这样问是因为在大多数情况下，

defaultdict

s可以像dict一样处理。你为什么要做

sorted（set（a））

？这似乎是不必要的，将soolution从

O（n）

转换为

O（nlog（n））

@OscarSmith谢谢你的回答，但我对你我的进行了1000000次迭代，而你的似乎慢了5倍：“原始解决方案耗时0.7265636739998627奥斯卡的解决方案耗时3.999124227998005”嗯，这很奇怪。您使用的是什么版本的python？我认为计数器在一个较新的版本中可能得到了很大的速度提升。如果我在Mac笔记本电脑上使用Python 3.6，数字是：“原始解决方案耗时0.8187828499940224奥斯卡的解决方案耗时3.2331941279699095帕特里克的解决方案耗时0.5057042780099437”，即使用“从时间导入默认计时器作为计时器”