性能测试Python数据结构决策

Question

我经常遇到这种情况，我永远无法做出明确的决定。因此，我希望有人能解释如何"测试"简单的设计决策，以及在这种情况下什么会更好。

我需要一个数据结构，它存储与"类别"相对应的"边缘ID"one_answers"边缘权重"。

我可以用两种方式存储：

a） 每个类别的（edgeid，weight）对。

{
cat1: [(3,4),(5,7),(6,9)...]
cat2: [(4,1),(3,6),(7,8)...]
}

b） 每个cat1对应的weight和edgeid的单独列表，索引相互关联。

{
cat1: [[3,5,6...],[4,7,9...]]
cat2: [[4,3,7...],[1,6,8...]]
}

操作：

1. 将一对（边、重）添加到某个类别中。这将涉及在（a）中简单地将元组附加到cat1列表，并在（b）中对cat1巨列表内的两个列表进行单独的附加操作。

2. 获取与列表（！最重要的！）对应的所有边

3. 删除边（当然是按值）和相应的重量。

我如何才能在这里做出明智的决定？我将在igraph中使用它，因此我的图可以涉及数亿个节点，因此上面的列表可能非常长，这就是为什么我试图在这里记住性能。

除了逻辑推导或从过去的知识中得出结论外，我如何在Python中快速测试这些小事的性能？我很想举个例子。

Answer 1

如果您正在寻找性能，我建议您使用numpy。使用元组和列表的速度很慢，numpy实际上可以处理数据结构。你要找的是这样的东西：

    import numpy as np
    myarray = np.zeros(desiredsizeandshape,dtype = [('edge',list),('weight',list)])

现在，您将能够根据边还是权重来填充数组。例如，假设我有一个5乘5的数组：

   myarray[0,4]['edge'] = 1
   myarray[0,4]['weight'] = 5

然后，如果只需要边的数组，只需键入：myarray[边缘]

你会得到一个边值的数组。