python 字典為什么這么快

因?yàn)樽值涫峭ㄟ^鍵來索引的，關(guān)聯(lián)到相對的值，理論上他的查詢復(fù)雜度是O(1)。

創(chuàng)新互聯(lián)公司專注于曲水網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠為您提供曲水營銷型網(wǎng)站建設(shè)，曲水網(wǎng)站制作、曲水網(wǎng)頁設(shè)計(jì)、曲水網(wǎng)站官網(wǎng)定制、小程序制作服務(wù)，打造曲水網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供曲水網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。

哈希表（也叫散列表），根據(jù)關(guān)鍵值對(Key-value)而直接進(jìn)行訪問的數(shù)據(jù)結(jié)構(gòu)。它通過把key和value映射到表中一個(gè)位置來訪問記錄，這種查詢速度非?？?，更新也快。而這個(gè)映射函數(shù)叫做哈希函數(shù)，存放值的數(shù)組叫做哈希表。 哈希函數(shù)的實(shí)現(xiàn)方式?jīng)Q定了哈希表的搜索效率。

Python的各種imread函數(shù)在實(shí)現(xiàn)方式和讀取速度上有何區(qū)別

1. PIL.Image.open

代碼在這里：Pillow/Image.py at 3.1.x · python-pillow/Pillow · GitHub

open() 函數(shù)打開圖像，但并不讀入，直到有操作發(fā)生。

具體的讀取操作是在 ImageFile.py 寫的。大體流程是先檢測文件類型，整塊地讀入文件內(nèi)容，然后調(diào)用解碼器解碼，做了很多優(yōu)化，效率應(yīng)該還是很高的。

2. scipy.ndimage.imread

代碼在這里：scipy/io.py at v0.17.1 · scipy/scipy · GitHub

imread 調(diào)用 scipy.misc.pilutil.imread。從名字就能看出來其實(shí)調(diào)用的還是 Pillow。

根據(jù) pilutil 代碼：scipy/pilutil.py at v0.17.1 · scipy/scipy · GitHub

確實(shí)是調(diào)用 pil.image.open()，然后返回一個(gè) fromimage()。

3. scipy.misc.imread

misc 的 __init__.py 在這里：scipy/__init__.py at v0.17.1 · scipy/scipy · GitHub

調(diào)用的還是 pilutil 中的 imread

相關(guān)代碼如下

try:

from .pilutil import *

from . import pilutil

__all__ += pilutil.__all__

del pilutil

except ImportError:

pass

也算是學(xué)了一招，從 pilutil 導(dǎo)入其所有函數(shù)添加到當(dāng)前空間，然后又刪除了 pilutil 消除影響。

4. skimage.io.imread

代碼在這里：scikit-image/_io.py at master · scikit-image/scikit-image · GitHub

是通過插件 plugin 來讀入不同的文件，而且會(huì)試用幾個(gè)不同的 plugins 來找到合適的。

使用 call_plugin 來調(diào)用，代碼在這里：scikit-image/manage_plugins.py at master · scikit-image/scikit-image · GitHub

可以根據(jù)如下代碼查看插件調(diào)用的優(yōu)先級

# For each plugin type, default to the first available plugin as defined by

# the following preferences.

preferred_plugins = {

# Default plugins for all types (overridden by specific types below).

'all': ['pil', 'matplotlib', 'qt', 'freeimage'],

'imshow': ['matplotlib'],

'imshow_collection': ['matplotlib']

}

plugins 的源代碼在這里：scikit-image/skimage/io/_plugins at master · scikit-image/scikit-image · GitHub。可以看到 pil 的 imread，是用 open 打開圖像之后，再轉(zhuǎn)換成 ndarray。

5. cv2.imread

這里是調(diào)用的 CV::imread()，代碼在這里：opencv/loadsave.cpp at master · opencv/opencv · GitHub。一般來說 C\C++ 的實(shí)現(xiàn)，應(yīng)該比 python 速度快一點(diǎn)。

6. matplotlib.image.imread

matplotlib 的文檔里面說，matplotlib 原生只可以讀取 PNG 文件，有 PIL 的時(shí)候，可以讀取其他類型的文件。如果使用 URL 打開在線圖像文件，需要符合 PIL 的文檔要求。

matplotlib.image.imread 的代碼在這里：matplotlib/image.py at master · matplotlib/matplotlib · GitHub。matplotlib 的原生 PNG 讀取和寫入，是用 C 實(shí)現(xiàn)的，代碼在這里：matplotlib/_png.cpp at master · matplotlib/matplotlib · GitHub。

matplotlib 是先用 pil 的 open 打開圖像，如果格式是 png，就用原生方法打開。相關(guān)代碼如下：

handlers = {'png': _png.read_png, }

if format is None:

if cbook.is_string_like(fname):

parsed = urlparse(fname)

# If the string is a URL, assume png

if len(parsed.scheme) 1:

ext = 'png'

else:

basename, ext = os.path.splitext(fname)

ext = ext.lower()[1:]

elif hasattr(fname, 'name'):

basename, ext = os.path.splitext(fname.name)

ext = ext.lower()[1:]

else:

ext = 'png'

else:

ext = format

if ext not in handlers:

im = pilread(fname)

if im is None:

raise ValueError('Only know how to handle extensions: %s; '

'with Pillow installed matplotlib can handle '

'more images' % list(six.iterkeys(handlers)))

return im

聲明的處理器只有 png。如果是 png 文件，調(diào)用 _png.read_png。如果不是 png 直接使用 pilread（就是用 pil 的 Image.open 然后 pil_to_array）。

matplotlib 的源碼確實(shí)比較復(fù)雜，一大部分主體是用 C 寫的，改動(dòng)很激進(jìn)，功能更新猛烈。

Python3中的super()函數(shù)

super()函數(shù)的用處是調(diào)用當(dāng)前類的父類函數(shù)。在要調(diào)用父類的函數(shù)之外，還需要加一點(diǎn)別的操作的時(shí)候，特別有用。

例：

結(jié)果是：

上面是單繼承的例子，用super()而不是直接用父類的名字去調(diào)用父類函數(shù)的好處是不用管父類的名字。即使父類改名了，super()的調(diào)用依然有效。

多重繼承的時(shí)候需要根據(jù)MRO來決定調(diào)用順序。詳見官方文檔：

Python中冷門但非常好用的內(nèi)置函數(shù)

Python中有許多內(nèi)置函數(shù),不像print、len那么廣為人知,但它們的功能卻異常強(qiáng)大,用好了可以大大提高代碼效率，同時(shí)提升代碼的簡潔度，增強(qiáng)可閱讀性

Counter

collections在python官方文檔中的解釋是High-performance container datatypes，直接的中文翻譯解釋高性能容量數(shù)據(jù)類型。這個(gè)模塊實(shí)現(xiàn)了特定目標(biāo)的容器，以提供Python標(biāo)準(zhǔn)內(nèi)建容器 dict , list , set , 和 tuple 的替代選擇。在python3.10.1中它總共包含以下幾種數(shù)據(jù)類型：

容器名簡介

namedtuple() 創(chuàng)建命名元組子類的工廠函數(shù)

deque 類似列表(list)的容器，實(shí)現(xiàn)了在兩端快速添加(append)和彈出(pop)

ChainMap 類似字典(dict)的容器類，將多個(gè)映射集合到一個(gè)視圖里面

Counter 字典的子類，提供了可哈希對象的計(jì)數(shù)功能

OrderedDict 字典的子類，保存了他們被添加的順序

defaultdict 字典的子類，提供了一個(gè)工廠函數(shù)，為字典查詢提供一個(gè)默認(rèn)值

UserDict 封裝了字典對象，簡化了字典子類化

UserList 封裝了列表對象，簡化了列表子類化

UserString 封裝了字符串對象，簡化了字符串子類化

其中Counter中文意思是計(jì)數(shù)器，也就是我們常用于統(tǒng)計(jì)的一種數(shù)據(jù)類型，在使用Counter之后可以讓我們的代碼更加簡單易讀。Counter類繼承dict類，所以它能使用dict類里面的方法

舉例

#統(tǒng)計(jì)詞頻

fruits = ['apple', 'peach', 'apple', 'lemon', 'peach', 'peach']

result = {}

for fruit in fruits:

if not result.get(fruit):

result[fruit] = 1

else:

result[fruit] += 1

print(result)

#{'apple': 2, 'peach': 3, 'lemon': 1}下面我們看用Counter怎么實(shí)現(xiàn)：

from collections import Counter

fruits = ['apple', 'peach', 'apple', 'lemon', 'peach', 'peach']

c = Counter(fruits)

print(dict(c))

#{'apple': 2, 'peach': 3, 'lemon': 1}顯然代碼更加簡單了，也更容易閱讀和維護(hù)了。

elements()

返回一個(gè)迭代器，其中每個(gè)元素將重復(fù)出現(xiàn)計(jì)數(shù)值所指定次。元素會(huì)按首次出現(xiàn)的順序返回。如果一個(gè)元素的計(jì)數(shù)值小于1，elements()將會(huì)忽略它。

c = Counter(a=4, b=2, c=0, d=-2)

sorted(c.elements())

['a', 'a', 'a', 'a', 'b', 'b']most_common([n])

返回一個(gè)列表，其中包含n個(gè)最常見的元素及出現(xiàn)次數(shù)，按常見程度由高到低排序。如果n被省略或?yàn)镹one，most_common()將返回計(jì)數(shù)器中的所有元素。計(jì)數(shù)值相等的元素按首次出現(xiàn)的順序排序：

Counter('abracadabra').most_common(3)

[('a', 5), ('b', 2), ('r', 2)]這兩個(gè)方法是Counter中最常用的方法，其他方法可以參考 python3.10.1官方文檔

實(shí)戰(zhàn)

Leetcode 1002.查找共用字符

給你一個(gè)字符串?dāng)?shù)組words，請你找出所有在words的每個(gè)字符串中都出現(xiàn)的共用字符（包括重復(fù)字符），并以數(shù)組形式返回。你可以按任意順序返回答案。

輸入：words = ["bella", "label", "roller"]

輸出：["e", "l", "l"]

輸入：words = ["cool", "lock", "cook"]

輸出：["c", "o"]看到統(tǒng)計(jì)字符，典型的可以用Counter完美解決。這道題是找出字符串列表里面每個(gè)元素都包含的字符，首先可以用Counter計(jì)算出每個(gè)元素每個(gè)字符出現(xiàn)的次數(shù)，依次取交集最后得出所有元素共同存在的字符，然后利用elements輸出共用字符出現(xiàn)的次數(shù)

class Solution:

def commonChars(self, words: List[str]) - List[str]:

from collections import Counter

ans = Counter(words[0])

for i in words[1:]:

ans = Counter(i)

return list(ans.elements())提交一下，發(fā)現(xiàn)83個(gè)測試用例耗時(shí)48ms，速度還是不錯(cuò)的

sorted

在處理數(shù)據(jù)過程中，我們經(jīng)常會(huì)用到排序操作，比如將列表、字典、元組里面的元素正/倒排序。這時(shí)候就需要用到sorted()，它可以對任何可迭代對象進(jìn)行排序，并返回列表

對列表升序操作：

a = sorted([2, 4, 3, 7, 1, 9])

print(a)

# 輸出：[1, 2, 3, 4, 7, 9]對元組倒序操作：

sorted((4,1,9,6),reverse=True)

print(a)

# 輸出：[9, 6, 4, 1]使用參數(shù)：key，根據(jù)自定義規(guī)則，按字符串長度來排序：

fruits = ['apple', 'watermelon', 'pear', 'banana']

a = sorted(fruits, key = lambda x : len(x))

print(a)

# 輸出：['pear', 'apple', 'banana', 'watermelon']all

all() 函數(shù)用于判斷給定的可迭代參數(shù)iterable中的所有元素是否都為 TRUE，如果是返回 True，否則返回 False。元素除了是 0、空、None、False外都算True。注意：空元組、空列表返回值為True。

all(['a', 'b', 'c', 'd']) # 列表list，元素都不為空或0

True

all(['a', 'b', '', 'd']) # 列表list，存在一個(gè)為空的元素

False

all([0, 1，2, 3]) # 列表list，存在一個(gè)為0的元素

False

all(('a', 'b', 'c', 'd')) # 元組tuple，元素都不為空或0

True

all(('a', 'b', '', 'd')) # 元組tuple，存在一個(gè)為空的元素

False

all((0, 1, 2, 3)) # 元組tuple，存在一個(gè)為0的元素

False

all([]) # 空列表

True

all(()) # 空元組

Trueany函數(shù)正好和all函數(shù)相反：判斷一個(gè)tuple或者list是否全為空，0，F(xiàn)alse。如果全為空，0，F(xiàn)alse，則返回False；如果不全為空，則返回True。

F-strings

在python3.6.2版本中，PEP 498提出一種新型字符串格式化機(jī)制，被稱為 “字符串插值” 或者更常見的一種稱呼是F-strings，F(xiàn)-strings提供了一種明確且方便的方式將python表達(dá)式嵌入到字符串中來進(jìn)行格式化：

s1='Hello'

s2='World'

print(f'{s1} {s2}!')

# Hello World!在F-strings中我們也可以執(zhí)行函數(shù)：

def power(x):

return x*x

x=4

print(f'{x} * {x} = {power(x)}')

# 4 * 4 = 16而且F-strings的運(yùn)行速度很快，比傳統(tǒng)的%-string和str.format()這兩種格式化方法都快得多，書寫起來也更加簡單。

本文主要講解了python幾種冷門但好用的函數(shù)，更多內(nèi)容以后會(huì)陸陸續(xù)續(xù)更新~

7在python中快速瀏覽數(shù)據(jù)集應(yīng)該調(diào)用哪個(gè)函數(shù)?

pairplot函數(shù)。7在python中快速瀏覽數(shù)據(jù)集調(diào)用pairplot函數(shù)，此函數(shù)使用散點(diǎn)圖和直方圖，還可以在非對角線上繪制回歸圖，在對角線上繪制核密度估計(jì)圖。

Python怎么設(shè)置條件表達(dá)式會(huì)提高效率

1.把range全部換成xrange

2.生成器，如 list=(item for item in fp)

3.利用psyco庫，提高函數(shù)和類的運(yùn)行效率。

4.字符串拼接：盡量少用“+”的方式，而采用''.join ，還有"%s"%i這樣賦值的手段

5.函數(shù)的開銷很大。盡量把循環(huán)放在函數(shù)內(nèi)進(jìn)行。而不要讓每次迭代都調(diào)用函數(shù)。

6.“前提工作”先做好，比如該賦值，該拼接的，然后再引入到函數(shù)中，或者進(jìn)行下面的循環(huán)。

7.盡量使用內(nèi)置方法，因?yàn)閮?nèi)置的是C寫的，效率肯定高很多

8.每當(dāng)要對序列中的內(nèi)容進(jìn)行循環(huán)處理時(shí)，就應(yīng)當(dāng)嘗試用列表解析來代替它，如：[i for i in xrang(10) if i%2==0]

9.學(xué)會(huì)使用itertools模塊。當(dāng)python中添加了迭代器后，就為常見模式提供了一個(gè)新的模塊，因?yàn)樗且訡語言編寫，所以提供了最高效的迭代器。

--多記錄一些。列表，字符串，字典，xrange,類文件對象，這些都是可迭代對象，換句話說，都可以直接用在for循環(huán)中進(jìn)行迭代，如for item in open('1.txt')

--直接使用速度會(huì)快。另外，我對比了itertools里工具和xrange，比如都循環(huán)100000次打印數(shù)字，使用islice(count(),100000)均要比xrange(100000)快

--而xrange還要比range快。

10.用列表解析取代for循環(huán)。列表解析的效率等于或高于map。

11.垃圾回收機(jī)制，會(huì)對列表的操作有重大影響，如列表的append，或者列表解析。import gc，然后在數(shù)據(jù)載入模塊前gc.disable（）,結(jié)束后再gc.enable()。

名稱欄目：python速度快的函數(shù),python 加快計(jì)算速度
網(wǎng)站路徑：http://vcdvsql.cn/article12/hsjpgc.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)網(wǎng)站制作、微信小程序、外貿(mào)建站、網(wǎng)站設(shè)計(jì)、小程序開發(fā)、標(biāo)簽優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)