2024-04-26 18:32:58 发布
网友
如果我想要列表中的最大值,我可以只写max(List),但是如果我还需要最大值的索引呢?
max(List)
我可以这样写:
maximum=0 for i,value in enumerate(List): if value>maximum: maximum=value index=i
但在我看来很乏味。
如果我写:
List.index(max(List))
然后它将重复列表两次。
有更好的办法吗?
我认为公认的答案很好,但你为什么不明确地回答呢?我觉得更多的人会理解你的代码,这与第8号政治公众人物计划一致:
max_value = max(my_list) max_index = my_list.index(max_value)
这种方法的速度大约是公认答案的三倍:
import random from datetime import datetime import operator def explicit(l): max_val = max(l) max_idx = l.index(max_val) return max_idx, max_val def implicit(l): max_idx, max_val = max(enumerate(l), key=operator.itemgetter(1)) return max_idx, max_val if __name__ == "__main__": from timeit import Timer t = Timer("explicit(l)", "from __main__ import explicit, implicit; " "import random; import operator;" "l = [random.random() for _ in xrange(100)]") print "Explicit: %.2f usec/pass" % (1000000 * t.timeit(number=100000)/100000) t = Timer("implicit(l)", "from __main__ import explicit, implicit; " "import random; import operator;" "l = [random.random() for _ in xrange(100)]") print "Implicit: %.2f usec/pass" % (1000000 * t.timeit(number=100000)/100000)
结果在我的计算机中运行时:
Explicit: 8.07 usec/pass Implicit: 22.86 usec/pass
其他集合:
Explicit: 6.80 usec/pass Implicit: 19.01 usec/pass
有许多选项,例如:
import operator index, value = max(enumerate(my_list), key=operator.itemgetter(1))
假设列表非常大,并且假设它已经是np.array(),那么这个答案比@Escualo快33倍。我不得不减少测试运行的次数,因为测试关注的是10000000个元素,而不仅仅是100个。
import random from datetime import datetime import operator import numpy as np def explicit(l): max_val = max(l) max_idx = l.index(max_val) return max_idx, max_val def implicit(l): max_idx, max_val = max(enumerate(l), key=operator.itemgetter(1)) return max_idx, max_val def npmax(l): max_idx = np.argmax(l) max_val = l[max_idx] return (max_idx, max_val) if __name__ == "__main__": from timeit import Timer t = Timer("npmax(l)", "from __main__ import explicit, implicit, npmax; " "import random; import operator; import numpy as np;" "l = np.array([random.random() for _ in xrange(10000000)])") print "Npmax: %.2f msec/pass" % (1000 * t.timeit(number=10)/10 ) t = Timer("explicit(l)", "from __main__ import explicit, implicit; " "import random; import operator;" "l = [random.random() for _ in xrange(10000000)]") print "Explicit: %.2f msec/pass" % (1000 * t.timeit(number=10)/10 ) t = Timer("implicit(l)", "from __main__ import explicit, implicit; " "import random; import operator;" "l = [random.random() for _ in xrange(10000000)]") print "Implicit: %.2f msec/pass" % (1000 * t.timeit(number=10)/10 )
我的计算机上的结果:
Npmax: 8.78 msec/pass Explicit: 290.01 msec/pass Implicit: 790.27 msec/pass
我认为公认的答案很好,但你为什么不明确地回答呢?我觉得更多的人会理解你的代码,这与第8号政治公众人物计划一致:
这种方法的速度大约是公认答案的三倍:
结果在我的计算机中运行时:
其他集合:
有许多选项,例如:
假设列表非常大,并且假设它已经是np.array(),那么这个答案比@Escualo快33倍。我不得不减少测试运行的次数,因为测试关注的是10000000个元素,而不仅仅是100个。
我的计算机上的结果:
相关问题 更多 >
编程相关推荐