两表增量的快速算法

>>> albums_today = ['album1', 'album2', 'album3']
>>> albums_yesterday = ['album2', 'album1', 'album3']
>>> D = dict((k,v) for v,k in enumerate(albums_yesterday))
>>> dict((k,D[k]-v) for v,k in enumerate(albums_today))
{'album1': 1, 'album3': 0, 'album2': -1}

在Python2.7或Python3中,它可以写得更简单

>>> albums_today = ['album1', 'album2', 'album3']
>>> albums_yesterday = ['album2', 'album1', 'album3']
>>> D = {k:v for v,k in enumerate(albums_yesterday)}
>>> {k:D[k]-v for v,k in enumerate(albums_today)}
{'album1': 1, 'album3': 0, 'album2': -1}

你也可以使用和我上面写的相同的算法,只需使用一个hashmap。

def findDelta1(today,yesterday):
 results = {}
 ypos = 0
 for i,title in enumerate(today):
      if title in results:
           results[title] = results[title] - i
      else:
           for ypos in xrange(ypos,len(yesterday)):
                if yesterday[ypos] == title:
                     results[title] = ypos - i
                     ypos = ypos + 1
                     break
                else:
                     results[yesterday[ypos]] = ypos
 return results

仍然是O(N),可能比我上面的版本更快,内存更少。

这个怎么样:

def delta(a, b):
    rank_a = dict((k, v) for v, k in enumerate(a))
    rank_b = enumerate(b)
    return dict((k, rank_a[k]-i) for i, k in rank_b)

它只创建了一个用来查找事物的命令。

好吧,只要这两个列表中的每个条目都只出现一次,那么我们就知道,一旦我们在rank_a集合中查找了一个键,我们就不再需要它了。我们可以删除它。此外,为了节省空间,在需要特定密钥之前,我们不必填充该集合。

class LookupOnce:
    def __init__(self, seq):
        self.cache = {}
        self.seq = iter(seq)
    def get(self, key):
        if key in self.cache:
            value = self.cache[key]
            del self.cache[key]
            return value
        for v,k in self.seq:
            if k == key:
                return v
            self.cache[k] = v
        raise KeyError


def delta(a, b):
    rank_a = LookupOnce(enumerate(a))
    rank_b = enumerate(b)
    result = {}
    for i, k in rank_b:
        result[k] = i - rank_a.get(k)
    return result

>>> def transform(albums):
...     return dict((album, i) for i, album in enumerate(albums))
... 
>>> def show_diffs(album1, album2):
...     album_dict1, album_dict2  = transform(album1), transform(album2)
...     for k, v in sorted(album_dict1.iteritems()):
...         print k, album_dict2[k] - v
... 
>>> albums_today = ['album1', 'album2', 'album3']
>>> albums_yesterday = ['album2', 'album1', 'album3']
>>> show_diffs(albums_today, albums_yesterday)
album1 1
album2 -1
album3 0

好吧,根据列表的大小,有很多不同的方法。在不知道数据集有多大的情况下,我建议最简单的方法(可能是不必要的优化)如下:

albums_yesterday_lookup = new HashMap();
differences = new HashMap();
foreach(albums_yesterday as position => album_title)
    albums_yesterday_lookup.put(album_title,position);

foreach(albums_today as position => album_title)
    differences.put(album_title, albums_yesterday_lookup.get(album_title) - position);

它以O(N)的形式运行。

D = dict((title, rank) for rank, title in enumerate(albums_yesterday))
for rank, title in enumerate(albums_today):
    D[title] = D[title] - rank

新的和改进的,而不是O(n ^二 ) :但仍然比其他两个答案慢。

此解决方案的唯一优点是节省内存。它避免了构建一个大型dict,而是只存储当时所需的内容。TokenMacGuy的第二个解决方案也能做到这一点,但速度稍快。

def get_deltas_aas(today, yesterday):
    deltas = {}
    for (new_rank, new_album), (old_rank, old_album) in \
            itertools.izip(enumerate(today), enumerate(yesterday)):
        if old_album in deltas:
            #Believe it or not, this is faster than deltas.pop(old_album) + old_rank
            yield (old_album, deltas[old_album] + old_rank)
            del deltas[old_album]    
        else:
            deltas[old_album] = old_rank

        if new_album in deltas:
            yield (new_album, deltas[new_album] - new_rank)
            del deltas[new_album]
        else:
            deltas[new_album] = -new_rank

这里有一些大多数答案的计时结果(在Python中所有的答案,除非我遗漏了什么)。 dict 命令生效了。如果有人想让我以任何方式修改他们的代码,只要打电话给我。

get_deltas_token1: 1.08131885529 msecs
get_deltas_gnibbler: 1.06443881989 msecs
get_deltas_tyler: 1.61993408203 msecs
get_deltas_token2: 1.52525019646 msecs
get_deltas_hughdbrown: 3.27240777016 msecs
get_deltas_aas: 1.39379096031 msecs

我用来计时的代码是 here . 我很高兴我在时间的基础上为它设计的时间框架。在重构用于运行测试的代码之后,将来应该很有用。