为 Python L 系统重写系统

Question

我为 Python 生成了以下工作代码。这是一个基于 Lindenmayer 的重写系统。输出 C 是：+-LF+RFR+FL-F-+RF-LFL-FR+F+RF-LFL-FR+-F-LF+RFR+FL-+，我可以将其解释为绘制 space 填充曲线。 C为起始字母，执行n次。

C = 'L'
n = 2
Code = {ord('L'):'+RF-LFL-FR+',
ord('R'):'-LF+RFR+FL-'}

while n:
    C = C.translate(Code)
    n -=1

print C

现在我想要的是，代码是从列表中自动编写的。例如，我有列表 R=[['L', '+RF-LFL-FR+'], ['R', '-LF+RFR+FL-']] 应该自动插入到代码中，所以我可以进一步使用它。每个子列表的第一个元素应该插入 ord() 方法中，第二个元素在冒号之后。有什么建议吗？

我通过列表理解找到了一种方法。列表 R 是 L=+RF-LFL-FR+, R=-LF+RFR+FL-。现在请问有没有更高效的获取代码的方法？

R = ['L=+RF-LFL-FR+','R=-LF+RFR+FL-']
A = 'L'

for i in range(0,len(R)):
    R[i]=R[i].split('=')

print R

Start = []
Rule = []

for i in range(0,len(R)):
    Start.append(R[i][0])
    Rule.append(R[i][1])

#mapping via list comprehension
while n:
    A=''.join([Rule[Start.index(i)] if i in Start else i for i in A])
    n -=1

print A

Answer 1

显然这似乎对你有用。代码在 python3.

上运行

def fun1(n):
    axiom = 'L'
    rules = ['L=+RF-LFL-FR+','R=-LF+RFR+FL-']

    # Convert the rules into a translation table.
    rules = [ r.split('=') for r in rules ]
    table = dict((ord(key), value) for (key, value) in dict(rules).items())

    # Expand
    string = axiom
    for i in range(n):
        string = string.translate(table)
    return string

编辑：我找到了第二种使用内置 map 函数的方法：

def fun2(n):
    axiom = 'L'
    rules = ['L=+RF-LFL-FR+','R=-LF+RFR+FL-']

    # Convert the rules into a translation table.
    rules = [ r.split('=') for r in rules ]
    table = dict(rules)
    lookup = lambda c: table[c] if c in table else c

    string = axiom
    for i in range(n):
        # Map
        string = map(lookup, string)
        # "Reduce": from list of strings to string
        string = ''.join(string)
    return string

时机：为了检查运行时间，我执行了 n=10 的候选项，这导致生成的字符串包含大约 3'500'000 个字符。你的实现（当然没有打印操作）我命名为 fun3(n)。我在ipython.

中使用%timeit命令测得的结果

%timeit fun1(n=10)
10 loops, best of 3: 143 ms per loop

%timeit fun2(n=10)
10 loops, best of 3: 195 ms per loop

%timeit fun3(n=10)
10 loops, best of 3: 152 ms per loop

系统：Python 3.5.2.，MacBook Pro（Retina，15 英寸，2015 年中），2.8 GHz Intel Core i7。

总结：我的第一个建议和你的实现执行起来差不多一样快，我的版本略有优势，特别是在可读性方面。 map 方法没有回报。

我还尝试了第四个版本，其中输出数组是预分配的，但是代码变得复杂并且 python 的内存分配逻辑在运行时明显优于我的预分配方法 2 倍。我没有对此进行进一步调查。

为 Python L 系统重写系统

Rewriting System for Python L-System

python

string

list

rewriting

rhino3d