teratail
回答率
85.48%
質問するログイン新規登録
トップPythonに関する質問Python 内包表記

編集履歴

回答編集履歴

2

追記

2017/11/17 06:35

投稿

mkgrei
mkgrei

スコア8560

test CHANGED
@@ -18,7 +18,7 @@
18
18
 
19
19
  コードの速さが気になるのであれば、numpy.arrayへのキャストなくすべきでしょう。
20
20
 
21
- それでも7〜8倍程度ですが。
21
+ また検索があるので、listやnp.arrayではなくsetを使うとだいぶ早くなります。
22
22
 
23
23
  ```python
24
24
 
@@ -34,7 +34,7 @@
34
34
 
35
35
  for n in range(1, 101):
36
36
 
37
- a = [grundy_ceil[n - i] for i in range(1, math.ceil(n /2 + 1))]
37
+ a = set([grundy_ceil[n - i] for i in range(1, math.ceil(n /2 + 1))])
38
38
 
39
39
  grundy_ceil.append(next(i for i in count() if i not in a))
40
40
 
@@ -50,6 +50,12 @@
50
50
 
51
51
  追記：完全に趣味ですが。[ここ](https://stackoverflow.com/questions/7088625/what-is-the-most-efficient-way-to-check-if-a-value-exists-in-a-numpy-array)を参考に。
52
52
 
53
+ yag1kazさんのlistからの取り出し方も取り入れました。
54
+
55
+ sliceをリスト内包表記で書くと遅くなるのは盲点でした…
56
+
57
+
58
+
53
59
  ```python
54
60
 
55
61
  from timeit import timeit
@@ -150,24 +156,80 @@
150
156
 
151
157
 
152
158
 
159
+ def f4():
160
+
161
+ grundy_ceil = [0]
162
+
163
+ for n in range(1, 101):
164
+
165
+ a = set(grundy_ceil[:-math.ceil(n/2+1):-1])
166
+
167
+ j = next(i for i in count() if i not in a)
168
+
169
+ grundy_ceil.append(j)
170
+
171
+ df = pd.DataFrame(grundy_ceil).T
172
+
173
+ return df
174
+
175
+
176
+
177
+ a = f0()
178
+
179
+ b = f1()
180
+
181
+ c = f2()
182
+
183
+ d = f3()
184
+
185
+ e = f4()
186
+
187
+ print('f1', np.allclose(a[0].values, b[0].values))
188
+
189
+ print('f2', np.allclose(a[0].values, c[0].values))
190
+
191
+ print('f3', np.allclose(a[0].values, d[0].values))
192
+
193
+ print('f4', np.allclose(a[0].values, e[0].values))
194
+
195
+ '''
196
+
197
+ 一応同じ結果になることを確認
198
+
199
+ f1 True
200
+
201
+ f2 True
202
+
203
+ f3 True
204
+
205
+ f4 True
206
+
207
+ '''
208
+
153
209
  n = 1000
154
210
 
155
- print('Original {}'.format(timeit(f0, number=n)))
211
+ print('Original {}'.format(timeit(f0, number=n)))
156
-
212
+
157
- print('list {}'.format(timeit(f1, number=n)))
213
+ print('list {}'.format(timeit(f1, number=n)))
158
-
214
+
159
- print('np.array {}'.format(timeit(f2, number=n)))
215
+ print('np.array {}'.format(timeit(f2, number=n)))
160
-
216
+
161
- print('set {}'.format(timeit(f3, number=n)))
217
+ print('set {}'.format(timeit(f3, number=n)))
218
+
162
-
219
+ print('slice+set {}'.format(timeit(f4, number=n)))
220
+
163
-
221
+ '''
164
-
222
+
165
- # Original 9.262939481996
223
+ Original 9.65767323700129
166
-
224
+
167
- # list 1.147810668015154
225
+ list 1.1692692330107093
168
-
226
+
169
- # np.array 7.4433728019939736
227
+ np.array 7.38920716199209
170
-
228
+
171
- # set 0.8586325150099583
229
+ set 0.9272018460032996
230
+
231
+ slice+set 0.6420557640085462
232
+
233
+ '''
172
234
 
173
235
  ```

1

追記

2017/11/17 06:34

投稿

mkgrei
mkgrei

スコア8560

test CHANGED
@@ -43,3 +43,131 @@
43
43
  df = pd.DataFrame(grundy_ceil).T
44
44
 
45
45
  ```
46
+
47
+
48
+
49
+ ---
50
+
51
+ 追記：完全に趣味ですが。[ここ](https://stackoverflow.com/questions/7088625/what-is-the-most-efficient-way-to-check-if-a-value-exists-in-a-numpy-array)を参考に。
52
+
53
+ ```python
54
+
55
+ from timeit import timeit
56
+
57
+ from itertools import count
58
+
59
+ import math
60
+
61
+ import pandas as pd
62
+
63
+ import numpy as np
64
+
65
+
66
+
67
+ pd.options.display.max_columns = None
68
+
69
+ pd.options.display.notebook_repr_html = True
70
+
71
+
72
+
73
+ def f0():
74
+
75
+ grundy_ceil = np.array([0])
76
+
77
+ #grundy_ceil_1p = np.array([0])
78
+
79
+ for n in range(1, 101):
80
+
81
+ compare = np.array([])
82
+
83
+ compare = np.append(compare, [grundy_ceil[n - i] for i in range(1, math.ceil(n /2 + 1))])
84
+
85
+ for j in range(compare.size + 1):
86
+
87
+ if not j in compare:
88
+
89
+ grundy_ceil = np.append(grundy_ceil, j)
90
+
91
+ break
92
+
93
+ df = pd.DataFrame(grundy_ceil).T
94
+
95
+ return df
96
+
97
+
98
+
99
+ def f1():
100
+
101
+ grundy_ceil = [0]
102
+
103
+ for n in range(1, 101):
104
+
105
+ a = [grundy_ceil[n - i] for i in range(1, math.ceil(n /2 + 1))]
106
+
107
+ j = next(i for i in count() if i not in a)
108
+
109
+ grundy_ceil.append(j)
110
+
111
+ df = pd.DataFrame(grundy_ceil).T
112
+
113
+ return df
114
+
115
+
116
+
117
+ def f2():
118
+
119
+ grundy_ceil = [0]
120
+
121
+ for n in range(1, 101):
122
+
123
+ a = np.array([grundy_ceil[n - i] for i in range(1, math.ceil(n /2 + 1))])
124
+
125
+ j = next(i for i in count() if i not in a)
126
+
127
+ grundy_ceil.append(j)
128
+
129
+ df = pd.DataFrame(grundy_ceil).T
130
+
131
+ return df
132
+
133
+
134
+
135
+ def f3():
136
+
137
+ grundy_ceil = [0]
138
+
139
+ for n in range(1, 101):
140
+
141
+ a = set([grundy_ceil[n - i] for i in range(1, math.ceil(n /2 + 1))])
142
+
143
+ j = next(i for i in count() if i not in a)
144
+
145
+ grundy_ceil.append(j)
146
+
147
+ df = pd.DataFrame(grundy_ceil).T
148
+
149
+ return df
150
+
151
+
152
+
153
+ n = 1000
154
+
155
+ print('Original {}'.format(timeit(f0, number=n)))
156
+
157
+ print('list {}'.format(timeit(f1, number=n)))
158
+
159
+ print('np.array {}'.format(timeit(f2, number=n)))
160
+
161
+ print('set {}'.format(timeit(f3, number=n)))
162
+
163
+
164
+
165
+ # Original 9.262939481996
166
+
167
+ # list 1.147810668015154
168
+
169
+ # np.array 7.4433728019939736
170
+
171
+ # set 0.8586325150099583
172
+
173
+ ```