第一个Python列表索引大于第二个列表中的元素

Posted 2021-04-13

此问题与此相关：First Python list index greater than x?

我有一个（排序的）浮点数列表，我想找到一个超出第二个列表的每个值的第一个索引

例如

 l=[0.2,0.3,0.7,0.9]
 m=[0.25,0.6]

如果m是浮点数，我会用这个：

 bisect.bisect_left(l,m)

但是对于m是列表的情况，这将失败，并且我只能考虑采用列表理解：

[bisect.bisect_left(l,i) for i in m]

给出：

 [1, 2]

可以，但是我怀疑这对于大型列表来说很慢。有没有一种方法可以有效地做到这一点（因为只需要遍历列表中的一个）？

答案

[好，bisect_left很可能是O(logN)运算（二进制搜索），因此您的整体运算将是O(KlogN) where N relates to size of l, and K relates to size of m。

同样对第二个列表m进行了排序，只需在两个列表中同时运行索引，就可以将此操作作为O(N)操作。

但是，如果您的评论是“我怀疑这很慢”，您的第一步应该总是是用最大的预期数据集测试最简单的解决方案”。如果可行，就停在这里！仅当它不足时，您才开始考虑优化。

例如，考虑以下程序：

import random
import bisect
haystack = []
for _ in range(1000000):
    haystack.append(random.random())
haystack.sort()
needles = []
for _ in range(10000):
    needles.append(random.random())
result = [bisect.bisect_left(haystack, needle) for needle in needles]
print(result)

这将创建一个包含1,000,000个元素的大海捞针和一个包含10,000个元素的针头清单，然后使用您的bisect ing清单理解力来完成工作。使用time在我（不是特别肮脏）的桌面上运行该命令会显示：

real    0m0.738s  # < 3/4 of a second elapsed
user    0m0.578s
sys     0m0.109s

并且这includes用来构建列表，对大列表进行排序并打印出结果所花费的时间。

---

使用timeit摆脱所有设置时间可以通过：

import timeit
import random
import bisect
haystack = []
for _ in range(1000000):
    haystack.append(random.random())
haystack.sort()
needles = []
for _ in range(10000):
    needles.append(random.random())
print(timeit.timeit('[bisect.bisect_left(haystack, needle) for needle in needles]', setup = 'from __main__ import bisect, haystack, needles', number = 1000))

一千次迭代的输出为12.27，这意味着您每秒可以执行约75次而不会费力。

另一答案

您必须记住找到的最后一个值，以将其用作下一个二进制搜索的起点，因此，必须使用for循环来代替列表理解：

result = [bisect.bisect_left(l,m[0]),]
for i in m[1:] :
    result.append( bisect.bisect_left(l,i,result[-1]))

这应该比简单的理解要快。

另一答案

您可以使用：

indices = []

i = 0
for e in m:
    i = bisect.bisect_left(l[i:],e)
    indice.append(i)