加权随机(Weight Random)方法比较

结论

100个item带权查找10w次
bisect方法(每次查找1个,循环10w):0.092867s
np.random.choice方法(每次查找1个,循环10w):3.552577s
np.random.choice方法(设置size=10w):0.006639s

更多参数

数据量
(testfile行数)
查找数量n bisect方法 np.random.choice方法
(每次查找1个,循环n)
np.random.choice方法
(设置size=n)
100 10w 0.092867 3.552577 0.006639
10w 100 0.001113 1.996459 0.022885
1w 100 0.000224 0.115010 0.001150
10w 1000 0.012222 21.3085 0.023290
100w 100 0.001579 20.5543 0.226376

代码

weight_choise.py

#-*- coding=utf8 -*-
import sys
import random
import bisect
import numpy as np
import time

uid_list = []
weight_list = []
weight_sum_list = []
weight_sum = 0
#bisect方法(每次查找1个,循环10w)
uid_cnt1 = {}
#np.random.choice方法(设置size=1,循环10w)
uid_cnt2 = {}
#np.random.choice方法(设置size=10w)
uid_cnt22 = {}

print('Loading')
f = open('testfile', 'r')
for line in f:
        uid, ti = line.strip().split('\t')

        weight = float(ti)

        uid_list.append(uid)
        weight_list.append(weight)
        weight_sum += weight
        weight_sum_list.append(weight_sum)
        uid_cnt1[uid] = 0
        uid_cnt2[uid] = 0
        uid_cnt22[uid] = 0
        if len(uid_list) == 100:
                break
f.close()

for i in range(0, len(weight_list)):
        weight_list[i] = weight_list[i]/weight_sum

print('Choosing')
NUM = 100000
t1 = t2 = 0
for i in range(0, NUM):
        beg = time.time()
        idx = bisect.bisect_right(weight_sum_list, random.random() * weight_sum_list[-1])
        u1 = uid_list[idx]
        end = time.time()
        t1 += end - beg

        beg = time.time()
        u2 = np.random.choice(uid_list, 1, True, weight_list)
        end = time.time()
        t2 += end - beg

        uid_cnt1[u1] += 1
        uid_cnt2[u2[0]] += 1

beg = time.time()
u22 = np.random.choice(uid_list, NUM, True, weight_list)
end = time.time()
t3 = end - beg

print t1, t2, t3

print uid_cnt1
print uid_cnt2

for uid in u22:
        uid_cnt22[uid] += 1
print uid_cnt22

testfile

19779   21.232
77447   28.651
73223   15.849
51913   40.297
73457   11.078
38101   12.103
19260   13.038
31772   62.82
57741   61.65
57035   27.828
72459   66.808
63523   19.884
66687   36.575
58699   25.661
75678   10.372
66337   110.67
74544   38.3
54095   13.232
63731   52.909
16025   23.459
53081   11.423
60331   12.504
65806   15.386
22756   58.919
17636   55.287
75057   26.746
56381   16.076
21625   16.777
64890   10.239
24393   12.283
70360   177.15
56959   13.896
77604   31.645
50253   23.914
20053   12.014
39536   12.095
37214   16.498
28922   19.659
64862   23.61
17916   22.151
19380   14.361
58537   16.037
73398   12.064
57887   34.652
63886   40.006
18194   10.577
17747   48.629
60507   13.865
65093   167.505
75299   15.065
64919   33.571
24353   41.048
60565   16.422
57442   32.688
32913   86.659
65317   66.97
27352   24.314
73675   35.233
61589   26.896
22774   23.421
76398   13.494
76411   33.549
73746   18.362
72780   13.73
51918   11.306
29572   10.002
73972   28.671
76264   31.775
56922   15.387
62620   86.727
10385   17.513
37942   89.466
75527   11.743
19889   20.173
58738   53.789
77288   30.857
73235   27.545
77326   24.613
66600   77.341
21766   37.384
62062   30.338
67818   11.524
31779   26.135
31954   89.889
20000   12.088
67349   50.726
61997   74.658
72001   14.462
27124   31.528
59698   35.234
19511   24.731
20222   22.46
20042   10.334
58747   10.158
20073   10.644
18822   44.959
35232   15.448
18659   50.007
16021   16.659
77133   26.88

输出

Loading
Choosing
0.0928673744202 3.55257725716 0.00663900375366
{'19260': 405, '65093': 5023, '57442': 968, '39536': 377, '60565': 525, '22774': 728, '63523': 629, '53081': 348, '35232': 465, '24353': 1250, '58738': 1635, '21766': 1116, '24393': 360, '56959': 401, '65806': 452, '61589': 858, '58537': 504, '77133': 849, '63886': 1181, '64862': 707, '77288': 940, '17916': 624, '73398': 361, '77604': 953, '77447': 843, '73972': 885, '19380': 443, '56922': 463, '32913': 2563, '57035': 772, '76264': 976, '37214': 475, '72780': 457, '63731': 1580, '60507': 455, '51918': 317, '70360': 5363, '20042': 348, '20053': 370, '31779': 808, '31772': 1874, '64919': 1004, '60331': 365, '19511': 729, '75527': 347, '51913': 1239, '67818': 361, '20073': 337, '20222': 705, '73675': 1012, '19779': 662, '72001': 415, '57741': 1889, '75299': 433, '17636': 1693, '18194': 297, '54095': 404, '10385': 504, '62062': 905, '66337': 3318, '75057': 776, '28922': 615, '73457': 332, '27124': 955, '66687': 1119, '77326': 749, '67349': 1540, '72459': 2110, '73223': 474, '75678': 321, '31954': 2721, '20000': 365, '59698': 1066, '58747': 322, '21625': 542, '76398': 480, '56381': 476, '61997': 2306, '73235': 844, '57887': 1111, '17747': 1460, '22756': 1765, '64890': 291, '58699': 789, '73746': 557, '76411': 989, '16021': 450, '16025': 678, '66600': 2336, '19889': 594, '74544': 1170, '65317': 2126, '18659': 1502, '62620': 2559, '38101': 358, '29572': 320, '50253': 730, '37942': 2744, '27352': 722, '18822': 1366}
{'19260': 402, '65093': 5076, '57442': 999, '39536': 363, '60565': 497, '22774': 706, '63523': 609, '53081': 360, '35232': 475, '24353': 1215, '58738': 1740, '21766': 1163, '24393': 392, '56959': 398, '65806': 471, '61589': 822, '58537': 499, '77133': 868, '63886': 1251, '64862': 725, '77288': 908, '17916': 629, '73398': 352, '77604': 944, '77447': 888, '73972': 902, '19380': 402, '56922': 488, '32913': 2625, '57035': 830, '76264': 937, '37214': 496, '72780': 454, '63731': 1588, '60507': 386, '51918': 336, '70360': 5314, '20042': 306, '20053': 365, '31779': 789, '31772': 1908, '64919': 1043, '60331': 382, '19511': 770, '75527': 372, '51913': 1181, '67818': 363, '20073': 316, '20222': 639, '73675': 1099, '19779': 653, '72001': 460, '57741': 1887, '75299': 487, '17636': 1645, '18194': 361, '54095': 364, '10385': 536, '62062': 924, '66337': 3321, '75057': 820, '28922': 590, '73457': 323, '27124': 940, '66687': 1098, '77326': 757, '67349': 1458, '72459': 2047, '73223': 482, '75678': 298, '31954': 2688, '20000': 366, '59698': 1048, '58747': 303, '21625': 530, '76398': 428, '56381': 488, '61997': 2265, '73235': 828, '57887': 1005, '17747': 1468, '22756': 1793, '64890': 328, '58699': 789, '73746': 542, '76411': 1028, '16021': 498, '16025': 745, '66600': 2315, '19889': 574, '74544': 1137, '65317': 2053, '18659': 1529, '62620': 2517, '38101': 396, '29572': 293, '50253': 754, '37942': 2726, '27352': 694, '18822': 1378}
{'19260': 408, '65093': 5107, '57442': 1000, '39536': 386, '60565': 488, '22774': 724, '63523': 623, '53081': 341, '35232': 456, '24353': 1241, '58738': 1686, '21766': 1170, '24393': 388, '56959': 398, '65806': 493, '61589': 840, '58537': 459, '77133': 828, '63886': 1247, '64862': 695, '77288': 846, '17916': 704, '73398': 374, '77604': 963, '77447': 862, '73972': 859, '19380': 455, '56922': 460, '32913': 2653, '57035': 853, '76264': 911, '37214': 510, '72780': 391, '63731': 1529, '60507': 392, '51918': 340, '70360': 5333, '20042': 332, '20053': 332, '31779': 752, '31772': 1890, '64919': 1017, '60331': 367, '19511': 781, '75527': 385, '51913': 1140, '67818': 331, '20073': 297, '20222': 702, '73675': 1066, '19779': 644, '72001': 427, '57741': 1911, '75299': 440, '17636': 1672, '18194': 307, '54095': 397, '10385': 533, '62062': 898, '66337': 3553, '75057': 766, '28922': 627, '73457': 336, '27124': 852, '66687': 1082, '77326': 809, '67349': 1513, '72459': 1953, '73223': 495, '75678': 315, '31954': 2776, '20000': 393, '59698': 1133, '58747': 300, '21625': 490, '76398': 416, '56381': 470, '61997': 2251, '73235': 829, '57887': 1044, '17747': 1478, '22756': 1775, '64890': 274, '58699': 819, '73746': 540, '76411': 1098, '16021': 531, '16025': 735, '66600': 2330, '19889': 613, '74544': 1145, '65317': 1979, '18659': 1473, '62620': 2614, '38101': 386, '29572': 329, '50253': 716, '37942': 2728, '27352': 670, '18822': 1330}
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 221,273评论 6 515
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,349评论 3 398
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 167,709评论 0 360
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,520评论 1 296
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,515评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,158评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,755评论 3 421
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,660评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,203评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,287评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,427评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,122评论 5 349
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,801评论 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,272评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,393评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,808评论 3 376
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,440评论 2 359

推荐阅读更多精彩内容