大列表生成优化

Question

我需要一个 python 函数，它可以采用以下形式的字符串列表：

seq = ['A[0]','B[2:5]','A[4]']

并返回具有保留顺序的“扩展”元素的新列表，如下所示：

expanded = ['A[0]', 'B[2]', 'B[3]', 'B[4]', 'B[5]', 'A[4]']

为了实现我的目标，我编写了这个简单的函数：

def expand_seq(seq):
    #['item[i]' for item in seq for xrange in item]
    return ['%s[%s]'%(item.split('[')[0],i) for item in seq for i in xrange(int(item.split('[')[-1][:-1].split(':')[0]),int(item.split('[')[-1][:-1].split(':')[-1])+1)]

在处理生成少于 500k 个项目的序列时，它运行良好，但在生成非常大的列表（超过 100 万个）时，它会减慢很多。例如：

# let's generate 10 million items!
seq = ['A[1:5000000]','B[1:5000000]']
t1 = time.clock()
seq = expand_seq(seq)
t2 = time.clock()
print round(t2-t1, 3)
# RESULT: 9.541 seconds

我正在寻找改进此功能的方法，并希望在处理大型列表时加快它的速度。如果有人有建议，我很乐意听取他们的意见！

Answer 1

以下似乎提供了 35% 的加速：

import re

r = re.compile(r"(\w+)\[(\d+)(?::(\d+))?\]")

def expand_seq(seq):
    result = []
    for item in seq:
        m = r.match(item)
        name, start, end = m.group(1), int(m.group(2)), m.group(3)
        rng = xrange(start, int(end)) if end else (start,)
        t = name + "["
        result.extend(t + str(i) + "]" for i in rng)
    return result

使用此代码：

• 我们编译一个正则表达式以在函数中使用。
• 我们直接连接我们的字符串。

Answer 2

我不确定您是否会获得戏剧性的加速，因为您无法从根本上改进算法。通过这种方式，我确实从你那里得到了大约 20% 的加速：

def expand_seq(seq):
    expanded = []
    for s in seq:
        name, indices = s[0:-1].split("[")
        if ":" in indices:
            index1, index2 = [int(i) for i in indices.split(":")]
        else:
            index1 = int(indices)
            index2 = index1
        for n in range(index1, index2 + 1):
            expanded.append("{}[{}]".format(name, n))
    return expanded

我认为加速主要是由于不重复某些操作（例如 int 和 split），您必须执行这些操作才能使您的解决方案保持单线。

不过，正如建议的那样，如果您使用生成器，您可以立即开始使用结果。像这样：

def expand_seq(seq):
    for s in seq:
        name, indices = s[0:-1].split("[")
        if ":" in indices:
            index1, index2 = [int(i) for i in indices.split(":")]
        else:
            index1 = int(indices)
            index2 = index1
        for n in range(index1, index2 + 1):
            yield "{}[{}]".format(name, n)