时间戳

首页 > 解决方案 > 随着累积计数器大小的增加，Python中的累积集合计数器变得更慢

python - 随着累积计数器大小的增加，Python中的累积集合计数器变得更慢

问题描述

我有一个 collections.Counter() 对象，它不断在循环中获取添加的 Counter 对象（累积）。随着循环通过并且累积计数器增加（更多条目），累积（+=）操作变得更慢。

一种解决方法是批量使用计数器并累积部分计数器以最终添加（减少）它们。但我想知道为什么会发生这种情况（也许底层实现使用哈希图并且桶大小不是动态的，因此冲突越来越频繁地发生？）

cnt = Counter()
for i in range(len(list_files_txt)):
    t0 = time()
    f = list_files_txt[i]
    print('[{}/{}]'.format(i, len(list_files_txt)))
    with open(f, 'r') as txt_f:
        cnt += Counter(txt_f.read().lower().replace('\n', ' ').split(' '))
    d_t = time() - t0
    print('Time: ', d_t)
    with open('times.txt', 'a') as times_f:
        times_f.write(str(d_t)+'\n')

预期结果：打印时间在整个循环中是恒定的

实际结果：随着循环的进行，打印时间会增加

实际结果（代码执行）：

[0/185187]
Time:  0.0009126663208007812
[1/185187]
Time:  0.0011148452758789062
[2/185187]
Time:  0.0006835460662841797
[3/185187]
Time:  0.0009150505065917969
[4/185187]
Time:  0.0005855560302734375

# A few thousand iterations later...

[14268/185187]
Time:  0.1499614715576172
[14269/185187]
Time:  0.14177680015563965
[14270/185187]
Time:  0.1480724811553955
[14271/185187]
Time:  0.14731359481811523
[14272/185187]
Time:  0.15594100952148438

这是一个展示这种趋势的图：

每次迭代的时间成本

标签： pythonperformancecollectionscounter

解决方案

Counter.__iadd__包括对 的线性扫描self Counter以删除具有非正数的项目。从cpython/blob/master/Lib/collections/__init__.py

def _keep_positive(self):
    '''Internal method to strip elements with a negative or zero count'''
    nonpositive = [elem for elem, count in self.items() if not count > 0]
    for elem in nonpositive:
        del self[elem]
    return self

def __iadd__(self, other):
    '''Inplace add from another counter, keeping only positive counts.
    >>> c = Counter('abbb')
    >>> c += Counter('bcc')
    >>> c
    Counter({'b': 4, 'c': 2, 'a': 1})
    '''
    for elem, count in other.items():
        self[elem] += count
    return self._keep_positive()

当然，这样做所花费的时间会随着结果的大小线性增长Counter。如果您想避免这种行为，请使用update而不是+=. 喜欢+=（和不一样dict.update），Counter.update添加计数而不是替换条目。与 不同+=，它不会删除非正数。

# Instead of cnt += Counter(...)
cnt.update(Counter(txt_f.read().lower().replace('\n', ' ').split(' ')))

事实上，您甚至不需要构建第二个 Counter 来添加。您可以直接将一个可迭代的元素传递给update，它会将元素计数添加到 Counter 中的现有计数中：

cnt.update(txt_f.read().lower().replace('\n', ' ').split(' '))

推荐阅读