python – 插入heapq比插入bisect更快吗?
我有一个关于bisect和heapq的问题.
首先,我将向您展示2个版本的代码,然后询问有关它的问题. 使用bisect的版本: while len(scoville) > 1: a = scoville.pop(0) #pops out smallest unit if a >= K: break b = scoville.pop(0) #pops out smallest unit c = a + b * 2 bisect.insort(scoville,c) 使用heapq的版本 while len(scoville) > 1: a = heapq.heappop(scoville) #pops out smallest unit if a >= K: break b = heapq.heappop(scoville) #pops out smallest unit c = a + b * 2 heapq.heappush(scoville,c) 两种算法都使用2个弹出和1个??插入. 据我所知,在使用bisect的版本中,list的弹出操作是O(1),而bisect类的插入操作是O(logn). 在使用heapq的版本中,堆的弹出操作是O(1),堆的插入操作平均为O(logn). 因此,两个代码应该具有相同的时间效率.但是,使用bisect的版本是在某些代码挑战站点保持失败的时间效率测试. 有没有人有好的猜测? * scoville是一个整数列表 解决方法
你的假设是错误的.既不是pop(0)O(1),也不是bisect.insort O(logn).
问题是,在这两种情况下,弹出或插入元素之后的所有元素都必须向左移动一个位置或者可能,使两个操作都为O(n). 从
您可以通过创建一个非常长的列表来测试它,例如l = list(范围(10 ** 8))然后执行l.pop(0)或l.pop()和bisect.insort(1,0)或bisect .insort(l,10 ** 9).最后弹出和插入的操作应该是即时的,而其他操作则有短暂但明显的延迟. >>> l = list(range(10**6)) >>> %timeit l.pop(); bisect.insort(l,10**6) 100000 loops,best of 3: 2.21 us per loop >>> %timeit l.pop(0); bisect.insort(l,0) 100 loops,best of 3: 14.2 ms per loop 因此,使用bisect的版本是O(n),而具有heapq的版本是O(logn). (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |