小智..

11

我有这个问题,因为这个问题是5年,我不得不重做所有的基准测试并改变瓶颈的语法(现在已经没有partsort了,partition现在已经是这样了).

我使用与kwgoodman相同的参数,除了检索的元素数量,我增加到50(为了更好地适应我的特定情况).

我得到了这些结果:

bottleneck 1: 01.12 ms per loop

bottleneck 2: 00.95 ms per loop

pandas : 01.65 ms per loop

heapq : 08.61 ms per loop

numpy : 12.37 ms per loop

numpy 2 : 00.95 ms per loop

因此,瓶颈_2和numpy_2(adas的解决方案)是并列的.但是,使用np.percentile(numpy_2)你已经排序了那些topN元素,而其他解决方案则不然.另一方面,如果您对这些元素的索引感兴趣,百分位数也没用.

我也添加了pandas,它使用了下面的瓶颈(如果有的话)(http://pandas.pydata.org/pandas-docs/stable/install.html#recommended-dependencies).如果你已经开始使用pandas系列或DataFrame,那么你就掌握得很好,只需使用nlargest就可以了.

用于基准测试的代码如下(请参阅python 3):

import time

import numpy as np

import bottleneck as bn

import pandas as pd

import heapq

def bottleneck_1(a, n):

return -bn.partition(-a, n)[:n]

def bottleneck_2(a, n):

return bn.partition(a, a.size-n)[-n:]

def numpy(a, n):

return a[a.argsort()[-n:]]

def numpy_2(a, n):

M = a.shape[0]

perc = (np.arange(M-n,M)+1.0)/M*100

return np.percentile(a,perc)

def pandas(a, n):

return pd.Series(a).nlargest(n)

def hpq(a, n):

return heapq.nlargest(n, a)

def do_nothing(a, n):

return a[:n]

def benchmark(func, size=1000000, ntimes=100, topn=50):

t1 = time.time()

for n in range(ntimes):

a = np.random.rand(size)

func(a, topn)

t2 = time.time()

ms_per_loop = 1000000 * (t2 - t1) / size

return ms_per_loop

t1 = benchmark(bottleneck_1)

t2 = benchmark(bottleneck_2)

t3 = benchmark(pandas)

t4 = benchmark(hpq)

t5 = benchmark(numpy)

t6 = benchmark(numpy_2)

t0 = benchmark(do_nothing)

print("bottleneck 1: {:05.2f} ms per loop".format(t1 - t0))

print("bottleneck 2: {:05.2f} ms per loop".format(t2 - t0))

print("pandas : {:05.2f} ms per loop".format(t3 - t0))

print("heapq : {:05.2f} ms per loop".format(t4 - t0))

print("numpy : {:05.2f} ms per loop".format(t5 - t0))

print("numpy 2 : {:05.2f} ms per loop".format(t6 - t0))