参见英文答案 >
Is there anything faster than dict()?3个
我正在使用Naive Bayes分类器创建一个简单的情绪挖掘系统.
我正在使用Naive Bayes分类器创建一个简单的情绪挖掘系统.
为了训练我的分类器,我有一个文本文件,其中每行包含一个令牌列表(从推文生成)和相关的情绪(0表示-ve,4表示正数).
例如:
0 @ switchfoot http : //twitpic.com/2y1zl - Awww,that 's a bummer . You shoulda got David Carr of Third Day to do it . ; D 0 spring break in plain city ... it 's snowing 0 @ alydesigns i was out most of the day so did n't get much done 0 some1 hacked my account on aim now i have to make a new one 0 really do n't feel like getting up today ... but got to study to for tomorrows practical exam ...
现在,我正在尝试做的是每个令牌,计算它在正推文中出现的次数,以及它在负推文中出现的次数.然后,我计划使用这些计数来计算概率.我正在使用内置字典来存储这些计数.键是标记,值是大小为2的整数数组.
问题是这段代码启动速度非常快,但速度越来越慢,当它处理了大约20万条推文时,它变得非常慢 – 大约每秒推文一次.由于我的训练集有160万条推文,这太慢了.
我的代码是这样的:
def compute_counts(infile): f = open(infile) counts = {} i = 0 for line in f: i = i + 1 print(i) words = line.split(' ') for word in words[1:]: word = word.replace('\n','').replace('\r','') if words[0] == '0': if word in counts.keys(): counts[word][0] += 1 else: counts[word] = [1,0] else: if word in counts.keys(): counts[word][1] += 1 else: counts[word] = [0,1] return counts
我该怎么做才能让这个过程更快?更好的数据结构?
编辑:不重复,问题不是关于比一般情况下的dict更快的东西,而是在这个特定的用例中.
解决方法
不要在counts.keys()中使用if
如果你这样做,你最终会顺序查看键,这是dict应该避免的.
如果你这样做,你最终会顺序查看键,这是dict应该避免的.
只要把数字放在计数中.
或者使用defaultdict.
https://docs.python.org/2/library/collections.html#collections.defaultdict