Python 添加范围以计算重叠
我有一个范围列表。我现在想计算一个字典key:value，其中key是数字，value是数字存在的范围 一个不好的计算方法是：Python 添加范围以计算重叠,python,performance,range,Python,Performance,Range,我有一个范围列表。我现在想计算一个字典key:value，其中key是数字，value是数字存在的范围 一个不好的计算方法是： from collections import defaultdict my_dict = defaultdict(int) ranges = [range(-4200,4200), range(-420,420), range(-42,42), range(8,9), range(9,9), range(9,10)] for singleRange in range
from collections import defaultdict
my_dict = defaultdict(int)
ranges = [range(-4200,4200), range(-420,420), range(-42,42), range(8,9), range(9,9), range(9,10)]
for singleRange in ranges:
for number in singleRange:
my_dict[number] += 1
sort_dict = sorted(my_dict.items(), key=lambda x: x[1], reverse=True)
print(sort_dict)
您将如何更有效地执行此操作？可能可以执行更有效的操作，但此解决方案的优点是严重依赖于
numpy从集合导入defaultdict
将numpy作为np导入
#生成数据
def生成_范围（n）：
边界=np.random.randint（-10_000，10_000，size=（n，2））
边界。排序（轴=1）
返回[边界中x，y的范围（x，y）]
范围=生成范围（10个）
#提取边界
开始，停止=np.array（[[range.start，range.stop]表示范围内的范围]）.T
#我们应该测试的所有数字的集合
n=np.arange（start.min（），stops.max（）+1）[：，无]
#测试这些数字
计数=（（n>=开始[None，：]）和（n<停止[None，：]）。总和（轴=1）
#把结果写进口述
d=defaultdict（int，dict（zip（n.flatte（），counts）））
O（n+m）nmnnumpypandasO（n+m）O（nm）nm从集合导入defaultdict
将numpy作为np导入
作为pd进口熊猫
#生成数据
def生成_范围（n）：
边界=np.random.randint（-10_000，10_000，size=（n，2））
边界。排序（轴=1）
返回[边界中x，y的范围（x，y）]
范围=生成范围（10个）
#提取边界
边界=np.array（[[range.start，range.stop]表示范围内的范围]）
#为范围开始添加+1偏移，为范围停止添加-1偏移
偏移量=np.数组（[1，-1]）[None，：]。重复（边界.形状[0]，轴=0）
边界=np。堆栈（[边界，偏移]，轴=-1）
边界=边界。重塑（-1，2）
#计算范围边界每个交叉点的范围计数
df=pd.DataFrame（边界、列=[“n”、“偏移量”]）
df=df.sort_值（“n”）
df[“count”]=df[“offset”].cumsum（）
df=df.groupby（“n”）[“count”].max（）
#通过连接和填充NaN扩展到所有整数
索引=pd.RangeIndex（测向索引[0]，测向索引[-1]+1）
df=pd.DataFrame（index=index）.join（df）.fillna（method=“ffill”）
#最后将结果包装在defaultdict中
d=defaultdict（int，df[“count”].astype（int）.to_dict（））
O（nm）nm