বাছাইয়ের চেয়ে সর্বোচ্চ ধীর কেন?

Question 1

আমি পাইথন 2 এবং 3 maxএর sortফাংশনটির চেয়ে ধীর গতিতে পেয়েছি ।

পাইথন 2

$ python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'a.sort();a[-1]'
1000 loops, best of 3: 239 usec per loop
$ python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'max(a)'        
1000 loops, best of 3: 342 usec per loop

পাইথন ঘ

$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'a.sort();a[-1]'
1000 loops, best of 3: 252 usec per loop
$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'max(a)'
1000 loops, best of 3: 371 usec per loop

কেন হয় max ( O(n)) তুলনায় ধীর sortফাংশন ( O(nlogn))?

Question 2

timeitপাইথনের মডিউলটি ব্যবহার করার সময় আপনাকে খুব সতর্কতা অবলম্বন করতে হবে ।

python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'a.sort();a[-1]'

এখানে সূচনা কোডটি একবারে এলোমেলোভাবে অ্যারে তৈরি করতে চলে a। তারপরে বাকি কোডটি বেশ কয়েকবার চালানো হয়। প্রথমবার এটি অ্যারে বাছাই করে, তবে প্রতিবার যখন আপনি সারণি পদ্ধতিটি ইতিমধ্যে সাজানো অ্যারে তে কল করছেন are কেবলমাত্র দ্রুততম সময় ফিরে আসে, সুতরাং আপনি আসলে সময় নির্ধারণ করছেন যে পাইথনটিকে ইতিমধ্যে সাজানো অ্যারে বাছাই করতে কত সময় লাগে।

পাইথনের বাছাই করা অ্যালগরিদমের অংশ হ'ল অ্যারেটি ইতিমধ্যে আংশিক বা সম্পূর্ণ বাছাই করা হয়েছে তা সনাক্ত করা। সম্পূর্ণরূপে বাছাই করার পরে এটি সনাক্ত করতে কেবল অ্যারের মাধ্যমে একবার স্ক্যান করতে হবে এবং তারপরে এটি বন্ধ হয়ে যায়।

পরিবর্তে যদি আপনি চেষ্টা করেছেন:

python -m timeit -s 'import random;a=range(100000);random.shuffle(a)' 'sorted(a)[-1]'

তারপরে বাছাই প্রতিটি টাইমিং লুপে ঘটে এবং আপনি দেখতে পাচ্ছেন যে অ্যারে বাছাই করার সময়টি সর্বাধিক মান সন্ধান করার চেয়ে অনেক বেশি দীর্ঘ।

সম্পাদনা: @ স্কাইনিংয়ের উত্তরটি আমি যে অংশটি অব্যক্ত রেখেছি a.sort()তা ব্যাখ্যা করে: জানেন যে এটি একটি তালিকায় কাজ করছে যাতে উপাদানগুলিতে সরাসরি অ্যাক্সেস করতে পারে। max(a)যেকোন যথেচ্ছ পুনরাবৃত্তিতে কাজ করে তাই জেনেরিক পুনরাবৃত্তি ব্যবহার করতে হয়।

Question 3

প্রথমে, দ্রষ্টব্য যে পুনরায় max()প্রোটোকল ব্যবহার করে , যখন list.sort()অ্যাড-হক কোড ব্যবহার করে । স্পষ্টতই, একটি পুনরায় ব্যবহারকারীর ব্যবহার একটি গুরুত্বপূর্ণ ওভারহেড, এজন্য আপনি সময়গুলির মধ্যে এই পার্থক্যটি পর্যবেক্ষণ করছেন।

তবে, এগুলি বাদে আপনার পরীক্ষাগুলি ন্যায্য নয়। আপনি a.sort()একই তালিকায় একাধিকবার চলছে । পাইথন দ্বারা ব্যবহৃত আলগোরিদিম বিশেষভাবে ইতিমধ্যে জন্য দ্রুত করে তুলতে ডিজাইন করা হয় (আংশিকভাবে) ডেটা সাজানো। আপনার পরীক্ষাগুলি বলছে যে অ্যালগরিদম তার কাজটি ভাল করে চলছে।

এগুলি সুষ্ঠু পরীক্ষা:

$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'max(a[:])'
1000 loops, best of 3: 227 usec per loop
$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'a[:].sort()'
100 loops, best of 3: 2.28 msec per loop

এখানে আমি প্রতিবার তালিকার একটি অনুলিপি তৈরি করছি। যেমন আপনি দেখতে পাচ্ছেন, ফলাফলের পরিমাণের ক্রমটি পৃথক: মাইক্রো- বনাম মিলিসেকেন্ড, আমরা যেমন আশা করব।

এবং মনে রাখবেন: বড়-ওহ একটি উপরের সীমা নির্দিষ্ট করে! পাইথনের বাছাই করা অ্যালগরিদমটির জন্য নিম্ন সীমাটি Ω ( n ) n ও ( এন লগ এন ) হওয়ার ফলে স্বয়ংক্রিয়ভাবে বোঝা যায় না যে প্রতিটি রান n লগ এন এর সমানুপাতিক সময় নেয় । এটি এমনকি বোঝায় না যে এটি ও ( এন ) অ্যালগরিদমের চেয়ে ধীর হওয়া দরকার , তবে এটি অন্য গল্প। যেটি বোঝার জন্য গুরুত্বপূর্ণ তা হ'ল কিছু অনুকূল ক্ষেত্রে, ও ( এন লগ এন ) অ্যালগরিদম ও ( এন ) সময় বা তারও কম সময়ে চলতে পারে ।

Question 4

এটি হতে পারে কারণ l.sortএকজন সদস্য listযখন maxএকটি জেনেরিক ফাংশন হয়। এর অর্থ এই যে l.sortএর অভ্যন্তরীণ উপস্থাপনার উপর নির্ভর করতে পারে listযখন maxজেনেরিক পুনরায় প্রোটোকলের মধ্য দিয়ে যেতে হবে।

এটি তৈরি করে যে প্রতিটি উপাদান আনার প্রতিটি উপাদান আনার l.sortচেয়ে দ্রুত maxহয়।

আমি ধরে নিয়েছি যে আপনি যদি এর পরিবর্তে ব্যবহার করেন sorted(a)তবে ফলাফলটি আপনার চেয়ে ধীর পাবেন max(a)।