查找字典與numpy數組中的最大值的性能

Question

我有一個很大（以千爲單位）字的值集合：float（float）對。我需要找到最好的值並提取相應的關聯詞。例如，我有（a，2.4），（b，5.2），（c，1.2），（d，9.2），（e，6.3），（f，0.4）。我想（d，9.2）作爲輸出。

目前，我正在使用字典來存儲這些元組，並使用max操作符來檢索字典中的最大鍵值。我想知道一個numpy數組是否會更有效率。在這裏徵求專家意見。

Answer 1

這裏使用Numpy將涉及保持漂浮值在一個單獨的ndarray。使用argmax查找最大值的索引並從單獨的列表中獲取該單詞。這非常快，但構建ndarray只是爲了找到最大值並不是。例如：

import numpy as np 
import operator 

names = [str(x) for x in xrange(10000)] 
values = [float(x) for x in xrange(10000)] 
tuples = zip(names, values) 
dic = dict(tuples) 
npvalues = np.fromiter(values, np.float) 

def fa(): 
    return names[npvalues.argmax()] 

def fb(): 
    return max(tuples, key=operator.itemgetter(1))[0] 

def fc(): 
    return max(dic, key=dic.get) 

def fd(): 
    v = np.fromiter((x[1] for x in tuples), np.float) 
    return tuples[v.argmax()][0] 

計時：fa 67μs，fb 2300μs，fc 2580μs，fd 3780μs。

因此，使用Numpy（fa）的速度比使用普通列表（fb）或字典（fc）的速度快30倍，因爲構建Numpy數組的時間不被考慮在內。 （fd將其考慮在內）

Answer 2

我不明白在這種情況下numpy數組是如何幫助你的。特別是，將數據結構轉換爲另一個（在你的情況下，numpy數組或heapq中的元組列表）將比找到每個元組迭代的最大值慢得多。這是因爲轉換數據結構還需要迭代原始數據結構，併爲新結構實例化對象，並將值存儲到新結構中，並使用新結構來獲取請求的值。

使用列表中的內置函數或方法很可能會導致更快的計算。最簡單的實現，我能想到的：如果你也有興趣在類似的最低值的東西，或者通過分揀突然離開列表中，您發現可以傳遞值

>>> li = [('a', 10), ('b', 30), ('c', 20)] 
>>> max(li, key=lambda e : e[1])[0] 
'b' 

其他可能的人（所以您檢查原始列表只有一次！）：

>>> li = [('a', 10), ('b', 30), ('c', 20)] 
>>> li.sort(key=lambda e : e[1]) 
>>> li 
[('a', 10), ('c', 20), ('b', 30)] 
>>> li[-1][0] 
'b' 

或者：

>>> sorted(li, key=lambda e: e[1])[-1][0] 
'b' 

HTH！