如何在python中优化以下算法的内存和时间使用

Question

我正在尝试在 Python 中完成以下逻辑操作，但遇到了内存和时间问题。因为，我对 python 很陌生，所以关于如何以及在哪里优化问题的指导将不胜感激！ （我明白下面的问题有些抽象）

import networkx as nx 
    dic_score = {}
    G = nx.watts_strogatz_graph(10000,10,.01) # Generate 2 graphs with 10,000 nodes using Networkx
    H = nx.watts_strogatz_graph(10000,10,.01)
    for Gnodes in G.nodes()
        for Hnodes in H.nodes ()  # i.e. For all the pair of nodes in both the graphs
           score = SomeOperation on (Gnodes,Hnodes)  # Calculate a metric 
           dic_score.setdefault(Gnodes,[]).append([Hnodes, score, -1 ]) # Store the metric in the form a Key: value, where value become a list of lists, pair in a dictionary

然后根据这里提到的标准对生成的字典中的列表进行排序 sorting_criterion

我的问题/疑问是：

1) 有没有比使用 for 循环进行迭代更好的方法来解决这个问题？

2) 解决上述问题的最优化（最快）方法应该是什么？我应该考虑使用字典以外的其他数据结构吗？或者可能是文件操作？

3) 由于我需要对这个字典中的列表进行排序，它有 10,000 个键，每个键对应于 10,000 个值的列表，因此内存需求很快变得巨大，我用完了。

3) 有没有办法将排序过程集成到字典本身的计算中，即避免单独循环排序？

任何意见将不胜感激！谢谢！

Answer 1

1) 您可以使用 itertools 模块中的功能之一。顺便提一下，你可以看说明书或者打电话：

from itertools import product
help(product)

这是一个例子：

for item1, item2 in product(list1, list2):
    pass

2) 如果结果太大而无法放入内存，请尝试将它们保存在某个地方。您可以将其输出为 CSV 文件，例如：

with open('result.csv') as outfile:
   writer = csv.writer(outfile, dialect='excel')
   for ...
       writer.write(...)

这会释放你的记忆。

3) 我认为最好在事后对结果数据进行排序（因为sort 函数相当快）而不是使事情复杂化并即时对数据进行排序。

您可以改为使用NumPy arroy/matrix 运算（求和、乘积，甚至将函数映射到每个矩阵行）。这些速度如此之快，以至于有时过滤数据的成本比计算所有内容的成本还要高。

如果您的应用仍然很慢，请尝试对其进行分析，以准确了解哪些操作很慢或执行次数过多：

from cProfile import Profile
p = Profile()

p.runctx('my_function(args)', {'my_function': my_function, 'args': my_data}, {})
p.print_stats()

你会看到表格：

      2706 function calls (2004 primitive calls) in 4.504 CPU seconds

Ordered by: standard name

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     2    0.006    0.003    0.953    0.477 pobject.py:75(save_objects)
  43/3    0.533    0.012    0.749    0.250 pobject.py:99(evaluate)
...

Answer 2

其他人提到了itertools.product。这很好，但在您的情况下，还有另一种可能性：内部循环的生成器表达式和 sorted 函数。 （当然，代码未经测试。）

import networkx as nx
from operator import itemgetter 
dic_score = {}
G = nx.watts_strogatz_graph(10000,10,.01) # Generate 2 graphs with 10,000 nodes using Networkx
H = nx.watts_strogatz_graph(10000,10,.01)
for Gnodes in G.nodes():
    dic_score[Gnodes] = sorted([Hnodes, score(Gnodes, Hnodes), -1] for Hnodes in H.nodes(), key=operator.itemgetter(1)) # sort on score

内部循环被生成器表达式替换。它也是动态排序的（假设您想对score 上的每个内部列表进行排序）。您可以轻松地将每个内部列表写入文件，而不是存储在字典中，这将有助于内存。

Answer 3

使用返回列表的函数时，请检查返回迭代器的函数。

这将提高内存使用率。

在您的情况下，nx.nodes 返回完整列表。见：nodes

使用nodes_iter，因为它返回一个迭代器。这应该确保您在 for 循环中迭代节点时没有内存中的完整节点列表。

见：nodes_iter

一些改进：

import networkx as nx 
    dic_score = {}
    G = nx.watts_strogatz_graph(10000,10,.01) 
    H = nx.watts_strogatz_graph(10000,10,.01)
    for Gnodes in G.nodes_iter() ----------------> changed from G.nodes()
        for Hnodes in H.nodes_iter()  -----------> changed from H.nodes()
           score = SomeOperation on (Gnodes,Hnodes) 
           dic_score.setdefault(Gnodes,[]).append([Hnodes, score, -1 ])

您也可以使用另一个习惯用法，因为现在您有两个迭代器：使用 itertools.products

product(A, B) returns the same as ((x,y) for x in A for y in B).