有什么办法可以让这段代码更快吗？

Question

我正在用 python 编写这个搜索引擎来获取食谱列表，它应该以每次搜索的特定速度运行，最长 0.1 秒。我一直在努力用我的代码来达到这个速度。我平均得到0.4。我想知道您是否对如何使这段代码更快有任何想法。我尝试了很多东西，但我知道循环是让它变慢的那个。如果我可以主要使用 python 改进它而不添加那么多模块。

我已经在代码的其他部分加快了 0.005 avg。但是在这部分有大量食谱的时候，它变得很慢。

def countTokens(token):
    token = str(token).lower()

    #make digits an punctuations white spaces
    tokens = token.translate(token.maketrans(digits + punctuation,\
            " "*len(digits + punctuation))) 

    return tokens.split(" ")

def normalOrder(recipes, queries):
    for r in recipes:
        k = r.keys()  
        parts, scores = [[],[],[],[]], 0
        parts[0] = countTokens(r["title"])
        parts[1] = countTokens(r["categories"]) if "categories" in k else []
        parts[2] = countTokens(r["ingredients"]) if "ingredients" in k else []
        parts[3] = countTokens(r["directions"]) if "directions" in k else []
        for q in queries:
            scores += 8 * parts[0].count(q) + 4 * parts[1].count(q) + 2 * parts[2].count(q) + 1 * parts[3].count(q)

        r["score"] = scores + r["rating"] if "rating" in k else 0
    return recipes

在一点点上下文中，我需要总结上面四个描述符中查询的出现次数，只有当有它时，这就是我有 if 的原因。

Answer 1

我注意到几点：

• 每次调用countTokens，都会再次生成相同的转换表（maketrans 调用）。我想这不会被优化掉，所以你可能会在那里失去性能。
• tokens.split(" ") 创建字符串中所有单词的列表，这相当昂贵，例如当字符串为 100.000 个单词时。你不需要那个。
• 总体而言，您似乎只是想计算一个单词在字符串中包含的频率。使用string.count()，您可以计算出很多 开销更少。

如果你应用它，你就不再需要 countTokens 函数了，稍微重构一下就可以了：

def normalOrder(recipes, queries):
    for recipe in recipes:
        recipe["score"] = recipe.get("rating", 0)

        for query in queries:
            recipe["score"] += (
                8 * recipe["title"].lower().count(query)
                + 4 * recipe["categories"].lower().count(query)
                + 2 * recipe["ingredients"].lower().count(query)
                + 1 * recipe["directions"].lower().count(query)
            )

    return recipes

这对你有用吗？速度够快吗？

编辑：在您的原始代码中，您将对recipe["title"] 和其他字符串的访问包装在另一个str() 调用中。我猜他们已经是字符串了？如果不是，您需要在此处添加。

---

Edit2：您在 cmets 中指出标点符号是一个问题。正如我在 cmets 中所说，我认为您不必担心，因为 count 调用只会关心标点符号，如果查询词和配方文本都包含一个，那么 count 调用只会计算周围标点符号与查询内容匹配的出现次数。看看这些例子：

>>> "Some text, that...".count("text")
1
>>> "Some text, that...".count("text.")
0
>>> "Some text, that...".count("text,")
1

如果您希望它的行为有所不同，您可以像在原始问题中那样做一些事情：创建一个翻译表并应用它。 请记住，将此翻译应用于食谱文本（就像您在问题中所做的那样）没有多大意义，从那时起，任何包含标点符号的查询词都不会匹配。这可以通过忽略所有包含标点符号的查询词来更容易地完成。 您可能希望对查询词进行翻译，这样如果有人输入“potato”，您就会发现所有出现的“potato”。这看起来像这样：

def normalOrder(recipes, queries):
    translation_table = str.maketrans(digits + punctuation, " " * len(digits + punctuation))
    for recipe in recipes:
        recipe["score"] = recipe.get("rating", 0)

        for query in queries:
            replaced_query = query.translate(translation_table)
            recipe["score"] += (
                8 * recipe["title"].lower().count(replaced_query)
                + 4 * recipe["categories"].lower().count(replaced_query)
                + 2 * recipe["ingredients"].lower().count(replaced_query)
                + 1 * recipe["directions"].lower().count(replaced_query)
            )

    return recipes

---

Edit3：在 cmets 中，您声明要搜索 ["honey", "lemon"] 以匹配 "honey-lemon"，但不希望 "butter" 匹配 "butterfingers"。为此，您最初的方法可能是最好的解决方案，但请记住，搜索单数形式“potato”将不再匹配复数形式（“potatoes”）或任何其他派生形式。

def normalOrder(recipes, queries):
    transtab = str.maketrans(digits + punctuation, " " * len(digits + punctuation))
    for recipe in recipes:
        recipe["score"] = recipe.get("rating", 0)

        title_words = recipe["title"].lower().translate(transtab).split()
        category_words = recipe["categories"].lower().translate(transtab).split()
        ingredient_words = recipe["ingredients"].lower().translate(transtab).split()
        direction_words = recipe["directions"].lower().translate(transtab).split()

        for query in queries:
            recipe["score"] += (
                8 * title_words.count(query)
                + 4 * category_words.count(query)
                + 2 * ingredient_words.count(query)
                + 1 * direction_words.count(query)
            )

    return recipes

如果您更频繁地使用相同的接收方调用此函数，则可以通过将.lower().translate().split() 的结果存储在接收方中来获得更高的性能，然后您无需在每次调用时重新创建该列表。

根据您的输入数据（您平均有多少查询？），只检查一次 split() 结果并总结每个单词的计数也可能有意义。这将使查找单个单词的速度非常快，并且还可以在函数调用之间保持，但构建成本更高：

from collections import Counter

transtab = str.maketrans(digits + punctuation, " " * len(digits + punctuation))

def counterFromString(string):
    words = string.lower().translate(transtab).split()
    return Counter(words)

def normalOrder(recipes, queries):
    for recipe in recipes:
        recipe["score"] = recipe.get("rating", 0)

        title_counter = counterFromString(recipe["title"])
        category_counter = counterFromString(recipe["categories"])
        ingredient_counter = counterFromString(recipe["ingredients"])
        direction_counter = counterFromString(recipe["directions"])

        for query in queries:
            recipe["score"] += (
                8 * title_counter[query]
                + 4 * category_counter[query]
                + 2 * ingredient_counter[query]
                + 1 * direction_counter[query]
            )

    return recipes

Edit4：我已经用 Counter 替换了 defaultdict——我不知道该类存在。

Answer 2

首先你可以使用get代替if条件。

def countTokens(token): 
     if token is None:
         return []
    token = str(token).lower() #make digits an punctuations white spaces
    tokens = token.translate(token.maketrans(digits + punctuation,\ " "*len(digits + punctuation)))
    return tokens.split(" ")

def normalOrder(recipes, queries): 
    for r in recipes: 
        parts, scores = [[],[],[],[]], 0 
        parts[0] = countTokens(r["title"]) 
        parts[1] = countTokens(r.get("categories", None )) 
        parts[2] = countTokens(r.get("ingredients", None)) 
        parts[3] = countTokens(r.get("directions", None)) 
     for q in queries: 
           scores += 8 * parts[0].count(q) + 4 * parts[1].count(q) + 2 * parts[2].count(q) + 1 * parts[3].count(q) 
      r["score"] = scores + r.get("rating", 0)
    return recipes