使用Python的Bisect模块

博客JUNTO联系人bisect模块的目标是使您能够有效地搜索和更新排序的列表。为此，它提供：

在统计数据装仓中，您有一个要分组为“箱”的数据。例如。

您具有学生成绩的数据，并且希望将80到90之间的分数分组为“ B”，将90到100之间的分数分组为“ A”，依此类推。

对我来说，一种简单的方法是编写一个计算bin的函数，例如对水果进行装箱：

def bin_fruit（fruit）：如果[“ lemon”，“ orange”]中的水果：返回“ citrus” elif [[“ apple”，“ pear”]中的水果：返回“ malinae” import randomdata = random.choices（[ “，” orange“，” apple“，” pear“]，k = 10）data

def bin_score（分数）：如果90 <=分数<= 100：返回“ A” elif 80 <=分数<90：返回“ B” elif 70 <=分数<80：返回“ C” elif 60 <=分数<70 ：返回“ D” Elif得分<60：返回“ F” import randomdata = [ran_randrand（50，100）for _ in range（10）] data

对于n个记录和m个仓的数据集，此方法的时间复杂度往往是

由于对一个记录进行分箱需要O（m）的时间-选中O（m）if语句-并且需要对n个记录进行分箱。

如果箱数m为常数，则整个时间复杂度仅为O（n）。

但是，如果箱数m足够大而直接方法太慢怎么办？

bins = {“柠檬”：“柑橘”，“橙色”：“柑橘”，“苹果”：“麦莉娜”，“梨”：“麦莉娜”，} def bin_fruit（fruit）：return bins [fruit] import randomdata = random.choices（[“柠檬”，“橙色”，“苹果”，“梨”]，k = 10）数据

这种方式对一个记录进行绑定需要O（1）时间-不管bin的数量是多少-因为字典是使用哈希表实现的。创建字典需要O（m）时间-每个bin都有一个条目。因此，对于n个记录和m个仓，总的时间复杂度为

score_bins = [60、70、80、90] score_letters = [“ F”，“ D”，“ C”，“ B”，“ A”] import bisectdef bin_score（score）：i = bisect.bisect（score_bins，得分）return score_letters [i] import randomdata = [range（10）中_的[random.randint（50，100）]

用这种方式对一条记录进行绑定需要O（log m）时间，因为bisect.bisect使用二进制搜索来导航score_bins。创建score_bins需要O（m）时间。因此，对于n个记录和m个仓，总的时间复杂度为

注意：如果您能够使用第三方库（例如NumPy或Pandas），请查看以下函数：numpy.digitize，numpy.searchsorted，pandas.Series.searchsorted，pandas.qcut，pandas.cut。

例如，您可以想象有一个定期报告温度的温度传感器。您希望定期报告中间温度，并能够在到达时合并新的温度数据。

def add_new_measurement（数据，温度）：data.append（温度）def中值（数据）：返回统计信息。median（数据）import randomimport statisticsdata = [ran_randrand（93，100）for _ in range（10）] data

因此，如果工作负载需要频繁添加新数据并且不经常计算中位数，则此方法效果很好。

但是如果工作量倒退了怎么办？例如，如果每两分钟收到一次温度测量值，但必须每两秒钟计算一次中值。

在那种情况下，我认为我们最好通过加快计算中位数来解决问题，即使是以减慢添加新数据的代价为代价。

如果数据已经排序，则可以在O（1）时间内完成计算订单统计信息。因此，处理此工作负载的一种直接方法是在附加数据后对数据进行排序，并利用对数据进行排序的事实来有效地计算中位数：

def add_new_measurement（数据，温度）：data.append（温度）data.sort（）def中位数（数据）：n = len（数据）如果n％2 == 0：返回（data [（n // 2）- 1] + data [n // 2]）/ 2 else：返回数据[n // 2] import randomdata = sorted（random.randint（93，100）for _ in range（10））data

但是我认为使用bisect.insort可以进一步提高添加新数据的时间复杂度。

在本周的帖子中，您学习了如何使用bisect模块进行统计数据装仓并将新数据添加到已排序列表中。

像温度传感器一样，逐段处理输入的算法称为在线算法。

bisect.insort可用于实现插入排序。 Insertionsort是一种在线算法，并且与Python的内置timsort一起是一种自适应排序算法，因为它利用了部分排序的数据的优势。

如果您喜欢本周的帖子，请与您的朋友分享，并继续关注下一周的帖子。回头见！

（如果您发现此帖子有任何错误或错别字，请通过我的联系页面与我联系

）