Python中任意深度dict树的高效迭代
我在字典中存储了以下树数据结构:Python中任意深度dict树的高效迭代,python,algorithm,tree,python-3.4,Python,Algorithm,Tree,Python 3.4,我在字典中存储了以下树数据结构: 1 2 3 4 -> ["a", "b", "c"] 5 -> ["x", "y", "z"] 3 5 7 -> ["e", "f", "j"] 下面是我如何在Python中构建它的示例: tree = dict() for i in range(100): tree[i] = dict() for j in range(10):
1
2
3
4 -> ["a", "b", "c"]
5 -> ["x", "y", "z"]
3
5
7 -> ["e", "f", "j"]
下面是我如何在Python中构建它的示例:
tree = dict()
for i in range(100):
tree[i] = dict()
for j in range(10):
tree[i][j] = dict()
for k in range(10):
tree[i][j][k] = dict()
for l in range(10):
tree[i][j][k][l] = dict()
for m in range(10):
tree[i][j][k][l][m] = dict()
for n in range(10):
tree[i][j][k][l][m][n] = ["a", "b", "c", "d", "e", "f", "g"]
我想遍历它,在到达每片叶子时做一些计算。在进行计算时,我需要知道叶的路径
即给定回调
def callback(p1, p2, p3, p4, leaf):
...
我希望使用我的树示例对其进行如下调用:
callback(1, 2, 3, 4, ["a", "b", "c"])
callback(1, 2, 3, 5, ["x", "y", "z"])
callback(1, 3, 5, 7, ["e", "f", "j"])
问题:如何最有效地实现遍历?请注意,树深度不是静态的
def callback(*args):
assert isinstance(args[-1], list)
start = time.time()
for k1, leafs1 in tree.items():
for k2, leafs2 in leafs1.items():
for k3, leafs3 in leafs2.items():
for k4, leafs4 in leafs3.items():
for k5, leafs5 in leafs4.items():
for k6, val in leafs5.items():
callback(k1, k2, k3, k4, k5, k6, val)
print("inline: %f" % (time.time() - start))
以下是我尝试过的:
1。内联代码。这是最快的,但在实践中不可用,因为树深度不是静态的
def callback(*args):
assert isinstance(args[-1], list)
start = time.time()
for k1, leafs1 in tree.items():
for k2, leafs2 in leafs1.items():
for k3, leafs3 in leafs2.items():
for k4, leafs4 in leafs3.items():
for k5, leafs5 in leafs4.items():
for k6, val in leafs5.items():
callback(k1, k2, k3, k4, k5, k6, val)
print("inline: %f" % (time.time() - start))
在我的笔记本电脑上使用Python3.4.2平均运行3.5秒
2。递归方法
from functools import partial
def iterate_tree(tree, depth, callback):
if depth:
for k, subtree in tree.items():
cb = partial(callback, k)
yield from iterate_tree(subtree, depth-1, cb)
else:
for k, v in tree.items():
rv = callback(k, v)
yield rv
start = time.time()
for i in iterate_tree(tree, 5, callback):
pass
print("iterate_tree: %f" % (time.time() - start))
这是通用的和所有的好,但2倍慢
3。非递归方法我认为可能是递归,从
产生的收益和部分
都在拖我的后腿。所以我试着让它变平:
def iterate_tree2(tree, depth, callback):
iterators = [iter(tree.items())]
args = []
while iterators:
try:
k, v = next(iterators[-1])
except StopIteration:
depth += 1
iterators.pop()
if args:
args.pop()
continue
if depth:
args.append(k)
iterators.append(iter(v.items()))
depth -= 1
else:
yield callback(*(args + [k, v]))
start = time.time()
for i in iterate_tree2(tree, 5, callback):
pass
print("iterate_tree2: %f" % (time.time() - start))
这是泛型的,可以工作,但与递归相比性能有所提高,即仍然比内联版本慢两倍
那么如何以通用方式实现遍历呢?是什么让内联版本更快?
另外,上面的代码是针对Python3.3+的。我已经将其应用于Python2,结果类似
解决方案和分析
我已经对所有的解决方案和优化进行了比较分析。代码和结果可从中获得
TL;博士最快的解决方案是使用基于循环的优化版本:
- 它是最快的版本,支持从回调中方便地报告结果
- 它的速度仅比内联版本慢30%(在Python3.4上)
- 在PyPy上,它获得了惊人的速度提升,甚至超过了内联版本
ing结果与inline相比是最慢的-约30%的惩罚。循环版本见yield
,递归版本见iterate_tree6
iterate_tree3
- 通过从回调调用回调进行报告稍微好一点——比内联(在Python3.4上)慢17%。请参见
iterate\u tree3\u noyield
- 任何报告都不能比内联报告运行得更好。请参见
iterate\u tree6\u nofeedback
感谢所有对此主题做出贡献的人。我成功地将性能提高到内联版本和第一个递归版本之间的一半,我认为这是等效的
def iterate_tree_2(tree, depth, accumulator, callback):
if depth:
for k, subtree in tree.items():
yield from iterate_tree_2(subtree, depth-1, accumulator + (k,), callback)
else:
for k, v in tree.items():
rv = callback(accumulator + (k,), v)
yield rv
>>> for i in iterate_tree_2(tree, depth, (), callback): pass
它有点不同,因为它使用
callback((1, 2, 3, 4), ["a", "b", "c"])
而不是
callback(1, 2, 3, 4, ["a", "b", "c"])
实现的不同之处在于它构建参数元组,而不是使用
partial
。我想这是有道理的,因为每次调用partial
时,都会向回调中添加一个额外的函数调用层。这里有一种递归方法,它的性能似乎比内联方法高出5-10%:
def iter_tree(node, depth, path):
path.append(node)
for v in node.values():
if depth:
iter_tree(v, depth-1, path)
else:
callback(path)
Iteration 1 21.3142
Iteration 2 11.2947
Iteration 3 1.3979
您可以通过以下方式拨打:
iter_tree(tree, 5, [])
根据您的评论,编辑类似的方法,但保留关键点:
def iter_tree4(node, depth, path):
for (k,v) in node.items():
kpath = path + [k]
if depth:
iter_tree4(v, depth-1, kpath)
else:
callback(kpath, v)
我也这么叫
请注意,我们失去了仅仅跟踪值所带来的性能增益,但它仍然与您的内联方法具有竞争力:
def iter_tree(node, depth, path):
path.append(node)
for v in node.values():
if depth:
iter_tree(v, depth-1, path)
else:
callback(path)
Iteration 1 21.3142
Iteration 2 11.2947
Iteration 3 1.3979
列出的数字是性能损失的百分比:[(递归内联)/内联]这里是迭代的优化版本
iterate\u tree2
。这在我的系统上快了40%,主要是由于改进了循环结构和消除了try-except
。Andrew Magee的递归代码执行大致相同的操作
def iterate_tree4(tree, depth, callback):
iterators = [iter(tree.items())]
args = []
while iterators:
while depth:
for k, v in iterators[-1]:
args.append(k)
iterators.append(iter(v.items()))
depth -= 1
break
else:
break
else:
for k, v in iterators[-1]:
yield callback(*(args + [k, v]))
depth += 1
del iterators[-1]
del args[-1:]
Python2的结果不应该类似,至少大型字典的结果不应该类似——在Python2中
items()
返回了对的副本,在Python3中它返回了一个“视图”,没有复制任何内容。你是对的。但我的树是“方形”的,所以它不会受到太大的影响。它为回调积累值,而我需要为回调积累键。所以你的函数做了错误的事情。而且它不提供一种使用回调结果的方法(就像我对yield所做的那样)。@ZaarHai除非您需要在回调中使用路径键,否则您的回调将更有效地引用字典,而不必根据累积的键重新遍历。是这样吗,你需要钥匙吗?是的,我肯定需要钥匙。它们是“路径”。回调需要接收(key1,key2,…,keyN,val\u of_last\u dict)
,并为每个叶调用一次。@ZaarHai使用跟踪键的类似方法进行了更新。看看结果在你的基准上落在哪里会很有趣。以下是结果:。看起来,从回调中报告结果会减慢速度。最慢的方法是yield
,从回调调用回调更好。完全没有报告提供类似于使用@Andew版本内联的结果(您的版本稍微慢一点)。无论如何谢谢你!与我的迭代树
相比,您的版本确实快了约25%,这是一个非常好的提升。谢谢要点:哈哈,你的第一句话让我一时糊涂!明亮的事实上,它的工作原理和安德鲁的一样。基于PyPy循环的解决方案的另一个好处是获得了难以置信的提升。所以我认为你的解决方案是最普遍的。测试要点:(你的是迭代)