Accelerare pitone ciclo

Question

sto cercando di accelerare il seguente codice Python:

for j in range(4,len(var_s),3): 
    mag_list.append(float(var_s[j])) 
mag_list = [value for value in mag_list if value != 99.] 
med_mag = np.median(mag_list) 

C'è un bel modo di combinare i due per-loop in uno? In questo modo, è molto lento. Quello di cui ho bisogno è estrarre ogni terza voce dalla lista var_s, cominciando dalle quinte, se il valore di quella voce non è uguale a 99. Della lista risultante, ho bisogno della mediana. Grazie!

Answer 1

Probabilmente si potrebbe provare:

mag_list = [value for value in var_s[4::3] if value != 99.] 

seconda var_s, si potrebbe fare meglio utilizzando itertools.islice(var_s,4,None,3), ma che avrebbe sicuramente bisogno di essere cronometrato di sapere.

Forse si farebbe ancora meglio se si bloccato con numpy tutta la strada:

vs = np.array(var_s[4::3],dtype=np.float64) #could slice after array conversion too ... 
med_mag = np.median(vs[vs!=99.]) 

Di nuovo, questo dovrebbe essere a tempo per vedere come eseguita in relazione agli altri.

Answer 2

for j in range(4,len(var_s),3): 
    value = float(var_s[j]) 
    if value != 99: 
     mag_list.append(value) 
med_mag = np.median(mag_list) 

Answer 3

mag_list = filter(lambda x: x != 99, var_s[4::3]) 

Ok, ecco alcuni timeit prove, tutte in Python 2.7.2:

Il setup:

>>> from random import seed, random 
>>> from timeit import Timer 
>>> from itertools import islice, ifilter, imap 
>>> seed(1234); var_s = [random() for _ in range(100)] 

Utilizzando un ciclo for:

>>> def using_for_loop(): 
...  mag_list = [] 
...  for j in xrange(4, len(var_s), 3): 
...    value = float(var_s[j]) 
...    if value != 99: mag_list.append(value) 
... 
>>> Timer(using_for_loop).timeit() 
11.596584796905518 

Utilizzando mappa e filtro:

>>> def using_map_filter(): 
...  map(float, filter(lambda x: x != 99, var_s[4::3])) 
... 
>>> Timer(using_map_filter).timeit() 
8.643505096435547 

Utilizzando iSlice, imap, IFilter:

>>> def using_itertools(): 
...  list(imap(float, ifilter(lambda x: x != 99, islice(var_s, 4, None, 3)))) 
... 
>>> Timer(using_itertools).timeit() 
11.311019897460938 

Usando una lista di comprensione e iSlice:

>>> def using_list_comp(): 
...  [float(v) for v in islice(var_s, 4, None, 3) if v != 99] 
... 
>>> Timer(using_list_comp).timeit() 
8.52650499343872 
>>> 

In conclusione, utilizzando una comprensione lista con iSlice è il più veloce, seguito dal solo leggermente uso più lento della mappa e del filtro.