python 3.3中通过比较距离完成对应点对匹配

Question

defcompare(d1,d2,ctj,ctk):
cor_=[]
forj_dinrange(len(d1)):
fork_dinrange(len(d2)):
compare_d=abs(d1[j_d]-d2[k_d])
ifcompare_d<=CD:
cor_.append([ctj[j_d],ctk[k_d]])
returncor_
这个函数中d1,d2,ctj,ctk皆为列表，每个列表中的元素有2000个左右，但是运行速度太慢了，达不到要求，（我觉得是复杂度太高了），有没有其他方法改进？

Answer 1

我猜你这儿有个assert是d1和ctj长度相同，d2和ctk长度相同（实际上是：你在compare中只用到了ctj[:len(d1)]和ctk[:len(d2)]，所以我总可以认为这个assert成立）如果说len(d1)=n，len(d2)=m的话，你原来的compare是O(mn)的，我测试了一下CD=100，d1、d2中均为[0,200]中的随机整数且m=n=2000的情况，大约要2.8s。实际上可以让d1和ctj打包，d2和ctk打包，即用list(zip(d1,ctj))代替d1及ctj而用list(zip(d2,ctk))代替d2及ctj，并以lambdal:l[0]为key来sort新的d1与d2。然后再把compare改成这样：defcompare(d1,d2):cor_=[]forj_dinrange(len(d1)):fork_dinrange(len(d2)):compare_d=abs(d1[j_d][0]-d2[k_d][0])ifcompare_dCD:k_start+=1fork_dinrange(k_start,len(d2)):compare_d=abs(d1[j_d][0]-d2[k_d][0])ifcompare_d

Answer 2

我认为，这是你算法的问题我试着描述一下你的意思：给定d1,d2两个list，每个元素对应数轴上一个点。你要把所有距离小于CD的点找出来你现在的算法是O(mn)的（别告诉我你不明白这一点）如果这些点集中在一个很小的区间里，而且坐标都是整数的话，那么可以有很高效的算法。我假定这些点无规律地分布在实轴上，那么，我能想到这样的算法（可能有更好的）把d2排序对于d1中的元素di,假定其坐标是xi，那么，在d2中二分查找所有[xi-CD,xi+CD]的元素找到的元素都是符合要求的点在最坏的情况下，我的算法也是O(mn)的（如果所有的点都符合要求），但一般情况下运行的能比你原先的代码快很多。最后吐槽一下你的代码风格问题。@依云说的没错代码也写得比较「ACM」你的代码写得有浓厚的“C”风格（而这种风格在C语言里也是不推荐的）我不知道你是在哪里看到的这段代码。我认为，任何一本负责的python教材，都会让你定义一个classPoint