算法 - 关于Python嵌套循环代码优化

Question

用Python实现K-means算法时候，要计算随机两个数之间的欧氏距离，数据量为5000行，但计算的时间却有500多秒，不知道有什么能优化，求指教，代码如下循环 {代码...} ed_relate {代码...} 数据data {代码...}

怪我咯 · Answer

已經找到解決的方法，問題出在計算歐氏距離的兩個float
sum += (float(dataX[a])-float(dataY[a])) ** 2sum += (float(dataX[a])-float(dataY[a])) ** 2
先将data全转成 int
data = [[int(x) for x in row] for row in data]先將data全轉成int
data = [[int(x) for x in row] for row in data]

在計算，速度提升了10倍🎜

高洛峰 · Answer

def ed_relate(dataX, dataY):
    '''
    :param dataX:第一行
    :param dataY: 第二行
    :return: 之间的相似度
    '''
    if len(dataX) == len(dataY):
        relate = math.sqrt(sum(((float(x)-float(y)**2) for x, y in zip(dataX, dataY))))
        return relate
    else:
        print 'len is not equal'
        return 0

沒測試，應該可以提高一些效能。

伊谢尔伦 · Answer

看你現有的程式碼沒有什麼大問題，我把你的計算重複1000次，大致相當於20000條數據，時間在4.4秒。
你最好能 profile 一下看看問題在哪。

迷茫 · Answer

性能方面貌似沒有更好的辦法, 不過呢, 我覺得你的那個二重循環可以寫的更加優雅一點比如:

def unique_pairs(n):
    """在range(n)范围内生成索引对, 其他地方需要类似迭代可以复用unique_pairs生成器"""
    for i in range(n):
        for j in range(i+1, n):
            yield i, j
            

for i, j in unique_pairs(len(data)):  # 计算任意两点距离和
    random_sum += ed_relate(data[i][2:], data[j][2:])

阿神 · Answer

用numpy和pandas

php8，我來也

30分鐘學會網站佈局

尚觀Oracle入門到精通視頻教程

你的第一行UNI-APP程式碼

Flutter 從頭到應用程式啟動

兄弟連新版Linux視頻教程

AXURE 9影片教學（適用於產品經理互動產品設計UI）

零基礎PS影片教學

16天帶你入門UI視頻教程

PS技巧和切片技巧影片教學

阿裡雲環境搭建以及項目上線視頻教程

電腦網路概述－程式設計師必須掌握的基礎知識

程式設計師必備教學——HTTP協定講解

Websocket影片教學