变量的惰性评估

Question

我想按字典顺序比较两个列表，但列表中的值应该在需要时计算。例如，对于这两个列表

a = list([1, 3, 3])
b = list([1, 2, 2])

(a < b) == False
(b < a) == True

我希望列表中的值是函数，在 a 和 b 的情况下，index=2 处的值（即函数）不会被评估为index=1 (a[1]==3, b[1]==2) 处的值已经足以确定 b < a.

一个选择是手动比较元素，当我找不到允许我使用列表比较器的解决方案时，我可能会这样做，但我发现手动循环有点慢比列表的内置比较器更重要，这就是我要使用它的原因。

更新

这是一种完成我正在尝试做的事情的方法，但我想知道是否有任何内置函数可以更快地完成此操作（并且利用了列表的这一特性）。

def lex_comp(a, b):
  for func_a, func_b in izip(a, b):
    v_a = func_a()
    v_b = func_b()
    if v_a < v_b: return -1
    if v_b > v_a: return +1
  return 0


def foo1(): return 1
def foo2(): return 1

def bar1(): return 1
def bar2(): return 2

def func1(): return ...
def func2(): return ...

list_a = [foo1, bar1, func1, ...]
list_b = [foo2, bar2, func2, ...]

# now you can use the comparator for instance to sort a list of these lists
sort([list_a, list_b], cmp=lex_comp)

Answer 1

下面是一种使用惰性求值的方法：

>>> def f(x):
...   return 2**x
... 
>>> def g(x):
...   return x*2
... 
>>> [f(x) for x in range(1,10)]
[2, 4, 8, 16, 32, 64, 128, 256, 512]
>>> [g(x) for x in range(1,10)]
[2, 4, 6, 8, 10, 12, 14, 16, 18]
>>> zipped = zip((f(i) for i in range(1,10)),(g(i) for i in range(1,10)))
>>> x,y = next(itertools.dropwhile(lambda t: t[0]==t[1],zipped))
>>> x > y
True
>>> x < y
False
>>> x
8
>>> y
6
>>>

Answer 2

试试这个（函数的额外参数仅用于说明目的）：

import itertools

def f(a, x):
    print "lazy eval of {}".format(a)
    return x

a = [lambda: f('a', 1), lambda: f('b', 3), lambda: f('c', 3)]
b = [lambda: f('d', 1), lambda: f('e', 2), lambda: f('f', 2)]
c = [lambda: f('g', 1), lambda: f('h', 2), lambda: f('i', 2)]

def lazyCmpList(a, b):
    l = len(list(itertools.takewhile(lambda (x, y): x() == y(), itertools.izip(a, b))))
    if l == len(a):
        return 0
    else:
        return cmp(a[l](), b[l]())

print lazyCmpList(a, b)
print lazyCmpList(b, a)
print lazyCmpList(b, c)

生产：

lazy eval of a
lazy eval of d
lazy eval of b
lazy eval of e
-1
lazy eval of d
lazy eval of a
lazy eval of e
lazy eval of b
1
lazy eval of d
lazy eval of g
lazy eval of e
lazy eval of h
lazy eval of f
lazy eval of i
0

请注意，代码假定函数列表的长度相同。可以增强它以支持不相等的列表长度，您必须定义逻辑是什么，即 cmp([f1, f2, f3], [f1, f2, f3, f1]) 应该产生什么？

我没有比较过速度，但考虑到您更新的代码，我想任何加速都将是微不足道的（循环在 C 代码中完成，而不是 Python）。该解决方案实际上可能更慢，因为它更复杂并且涉及更多内存分配。

鉴于您正尝试通过评估函数来对函数列表进行排序，因此函数将被评估，即 O(nlogn) 次，因此您最好的加速可能是考虑使用 memoization 来避免反复重估功能。

Answer 3

我做了一些测试，发现@juanpa 的回答和我更新的版本是最快的版本：

import random
import itertools
import functools

num_rows = 100
data = [[random.randint(0, 2) for i in xrange(10)] for j in xrange(num_rows)]

# turn data values into functions.
def return_func(value):
    return value

list_funcs = [[functools.partial(return_func, v) for v in row] for row in data]


def lazy_cmp_FujiApple(a, b):
    l = len(list(itertools.takewhile(lambda (x, y): x() == y(), itertools.izip(a, b))))
    if l == len(a):
        return 0
    else:
        return cmp(a[l](), b[l]())

sorted1 = sorted(list_funcs, lazy_cmp_FujiApple)
%timeit sorted(list_funcs, lazy_cmp_FujiApple)
# 100 loops, best of 3: 2.77 ms per loop

def lex_comp_mine(a, b):
    for func_a, func_b in itertools.izip(a, b):
        v_a = func_a()
        v_b = func_b()
        if v_a < v_b: return -1
        if v_a > v_b: return +1
    return 0

sorted2 = sorted(list_funcs, cmp=lex_comp_mine)
%timeit sorted(list_funcs, cmp=lex_comp_mine)
# 1000 loops, best of 3: 930 µs per loop

def lazy_comp_juanpa(a, b):
    x, y = next(itertools.dropwhile(lambda t: t[0]==t[1], itertools.izip(a, b)))
    return cmp(x, y)

sorted3 = sorted(list_funcs, cmp=lazy_comp_juanpa)
%timeit sorted(list_funcs, cmp=lex_comp_mine)
# 1000 loops, best of 3: 949 µs per loop

%timeit sorted(data)
# 10000 loops, best of 3: 45.4 µs per loop

# print sorted(data)
# print [[c() for c in row] for row in sorted1]
# print [[c() for c in row] for row in sorted2]
# print sorted3

我想创建中间列表会影响@FujiApple 版本的性能。当运行我的比较器版本在原始 data 列表上并将运行时与 Python 的本机列表排序进行比较时，我注意到我的版本慢了大约 10 倍（501 µs vs 45.4 µs环形）。我想没有简单的方法可以接近 Python 的本机实现的性能...

变量的惰性评估

Lazy evaluation of variables

python

comparison

lexicographic