如何使用python以更快的方式生成序列号列表答案

【问题标题】：how to generate list of sequence number in faster way using python如何使用python以更快的方式生成序列号列表
【发布时间】：2021-12-31 03:20:46
【问题描述】：

任何人都可以改进处理时间来生成序列号列表吗？这是我的代码，它需要 ~ 0.05 秒。

import torch
import time
import random
index = [torch.tensor(660000)]
st = time.time()
allowed = [x for x in range(index[0])] + [x for x in range(index[0] + 1,2000)]
index = random.sample(allowed, 1000)
print(time.time()-st)

请指教

谢谢

【问题讨论】：

[x for x in range(index[0])] -> list(range(index[0]))... 但是你为什么需要list？为什么range 对象不够用？
注意，[x for x in whatever] 应该始终只是 list(whatever)
另外，如果numpy.ndarray 可以工作，np.arange 可能更快
如果我们知道您将要如何处理该列表，我们会更容易回答
后面有 random.sample 需要一个列表。实际上，我想在这里使用 github 中的代码 [link] github.com/akwasigroch/Pretext-Invariant-Representations/blob/… 在 return_random 函数中，但我觉得性能很慢

标签： python list performance tensor torch

【解决方案1】：

这应该有助于 OP 特定情况，而不是问题标题中所述的“生成序列号列表”。

您不需要创建整个列表，您可以提供范围，无论范围大小如何，这都会以相同的速度工作。

index = random.sample(range(index[0]), 1000)

在我的机器上，对于 100 万范围大小，它的速度要快约 100 倍

基于this answer

【讨论】：

对不起，我已经编辑了代码。如何在 random.sample 内实现您对范围的建议，例如 [x for x in range(index[0])] + [x for x in range(index[0] + 1,2000)] ？所以，有条件的范围。
@AryoWibowo 您可以像我一样对两个范围进行采样，然后您可以为每个样本随机选择要使用的范围（使用加权随机）is_first_range = random.random() < first_range_weight 您也可以对所有样本使用 Numpy 函数这个（np.random.choice，np.random.random）