在 Python 中旋转列表的有效方法-IT科技

摘要：问题描述：在 python 中旋转列表的最有效方法是什么？现在我有这样的事情：>>> def rotate(l, n): ... return l[n:] + l[:n] ... >>> l = [1,2,3,4] >>> rotate(l,1)...

问题描述：

在 python 中旋转列表的最有效方法是什么？现在我有这样的事情：

>>> def rotate(l, n):
...     return l[n:] + l[:n]
... 
>>> l = [1,2,3,4]
>>> rotate(l,1)
[2, 3, 4, 1]
>>> rotate(l,2)
[3, 4, 1, 2]
>>> rotate(l,0)
[1, 2, 3, 4]
>>> rotate(l,-1)
[4, 1, 2, 3]

有没有更好的方法？

解决方案 1：

Acollections.deque针对两端的拉动和推动进行了优化。他们甚至有专门的rotate()方法。

from collections import deque
items = deque([1, 2])
items.append(3)        # deque == [1, 2, 3]
items.rotate(1)        # The deque is now: [3, 1, 2]
items.rotate(-1)       # Returns deque to original state: [1, 2, 3]
item = items.popleft() # deque == [2, 3]

解决方案 2：

那么只使用怎么样pop(0)？

list.pop([i])
删除列表中指定位置的项目并返回它。如果未指定索引，则a.pop()删除并返回列表中的最后一项。（i方法签名中的方括号表示该参数是可选的，而不是表示您应该在该位置键入方括号。您将在 Python 库参考中经常看到这种符号。）

解决方案 3：

Numpy 可以使用以下命令执行此操作roll：

>>> import numpy
>>> a=numpy.arange(1,10) #Generate some data
>>> numpy.roll(a,1)
array([9, 1, 2, 3, 4, 5, 6, 7, 8])
>>> numpy.roll(a,-1)
array([2, 3, 4, 5, 6, 7, 8, 9, 1])
>>> numpy.roll(a,5)
array([5, 6, 7, 8, 9, 1, 2, 3, 4])
>>> numpy.roll(a,9)
array([1, 2, 3, 4, 5, 6, 7, 8, 9])

解决方案 4：

这取决于你在执行此操作时想要发生什么：

>>> shift([1,2,3], 14)

您可能想要更改您的：

def shift(seq, n):
    return seq[n:]+seq[:n]

到：

def shift(seq, n):
    n = n % len(seq)
    return seq[n:] + seq[:n]

解决方案 5：

我能想到的最简单的方法：

a.append(a.pop(0))

解决方案 6：

关于时间的一些说明：

如果你从列表开始，l.append(l.pop(0))这是你可以使用的最快方法。这可以通过时间复杂度来证明：

deque.rotate 是O(k)（k=元素数量）
列表到双端队列的转换时间为O(n)
list.append 和 list.pop 都是O(1)

因此，如果您从deque对象开始，则可以deque.rotate()以 O(k) 为代价。但是，如果起点是列表，则使用的时间复杂度为deque.rotate()O(n)。O l.append(l.pop(0)(1) 更快。

为了便于说明，以下是 1M 次迭代的一些示例时间：

需要类型转换的方法：

deque.rotate使用双端队列对象：0.12380790710449219 秒（最快）
deque.rotate类型转换：6.853878974914551 秒
np.roll使用 nparray：6.0491721630096436 秒
np.roll带类型转换：27.558452129364014 秒

列出这里提到的方法：

l.append(l.pop(0))：0.32483696937561035 秒（最快）
“ shiftInPlace”：4.819645881652832 秒
...

使用的时间代码如下。

collections.deque

证明从列表创建双端队列的时间复杂度为 O(n)：

from collections import deque
import big_o

def create_deque_from_list(l):
     return deque(l)

best, others = big_o.big_o(create_deque_from_list, lambda n: big_o.datagen.integers(n, -100, 100))
print best

# --> Linear: time = -2.6E-05 + 1.8E-08*n

如果需要创建双端队列对象：

1M 次迭代@6.853878974914551 秒

setup_deque_rotate_with_create_deque = """
from collections import deque
import random
l = [random.random() for i in range(1000)]
"""

test_deque_rotate_with_create_deque = """
dl = deque(l)
dl.rotate(-1)
"""
timeit.timeit(test_deque_rotate_with_create_deque, setup_deque_rotate_with_create_deque)

如果您已经有双端队列对象：

1M 次迭代@0.12380790710449219 秒

setup_deque_rotate_alone = """
from collections import deque
import random
l = [random.random() for i in range(1000)]
dl = deque(l)
"""

test_deque_rotate_alone= """
dl.rotate(-1)
"""
timeit.timeit(test_deque_rotate_alone, setup_deque_rotate_alone)

np.roll

如果需要创建 nparrays

1M 次迭代@27.558452129364014 秒

setup_np_roll_with_create_npa = """
import numpy as np
import random
l = [random.random() for i in range(1000)]
"""

test_np_roll_with_create_npa = """
np.roll(l,-1) # implicit conversion of l to np.nparray
"""

如果你已经有 nparrays：

1M 次迭代@6.0491721630096436 秒

setup_np_roll_alone = """
import numpy as np
import random
l = [random.random() for i in range(1000)]
npa = np.array(l)
"""

test_roll_alone = """
np.roll(npa,-1)
"""
timeit.timeit(test_roll_alone, setup_np_roll_alone)

“就地转移”

不需要类型转换

1M 次迭代@4.819645881652832 秒

setup_shift_in_place="""
import random
l = [random.random() for i in range(1000)]
def shiftInPlace(l, n):
    n = n % len(l)
    head = l[:n]
    l[:n] = []
    l.extend(head)
    return l
"""

test_shift_in_place="""
shiftInPlace(l,-1)
"""

timeit.timeit(test_shift_in_place, setup_shift_in_place)

l.附加（l.弹出（0））

不需要类型转换

1M 次迭代 @ 0.32483696937561035

setup_append_pop="""
import random
l = [random.random() for i in range(1000)]
"""

test_append_pop="""
l.append(l.pop(0))
"""
timeit.timeit(test_append_pop, setup_append_pop)

解决方案 7：

我也对此很感兴趣，并将一些建议的解决方案与perfplot（我的一个小项目）进行了比较。

事实证明，凯利·邦迪的建议

tmp = data[shift:]
tmp += data[:shift]

在所有班次中表现非常出色。

本质上，perfplot 对增加的大数组执行移位并测量时间。结果如下：

shift = 1：

在此处输入图片描述

shift = 100：

在此处输入图片描述

重现情节的代码：

import numpy
import perfplot
import collections


shift = 100


def list_append(data):
    return data[shift:] + data[:shift]


def list_append2(data):
    tmp = data[shift:]
    tmp += data[:shift]
    return tmp


def shift_concatenate(data):
    return numpy.concatenate([data[shift:], data[:shift]])


def roll(data):
    return numpy.roll(data, -shift)


def collections_deque(data):
    items = collections.deque(data)
    items.rotate(-shift)
    return items


def pop_append(data):
    data = data.copy()
    for _ in range(shift):
        data.append(data.pop(0))
    return data


b = perfplot.bench(
    setup=lambda n: numpy.random.rand(n).tolist(),
    kernels=[
        list_append,
        list_append2,
        roll,
        shift_concatenate,
        collections_deque,
        pop_append,
    ],
    n_range=[2 ** k for k in range(7, 20)],
    xlabel="len(data)",
)
b.show()
b.save("shift100.png")

解决方案 8：

如果您只想迭代这些元素集而不是构建单独的数据结构，请考虑使用迭代器构造生成器表达式：

def shift(l,n):
    return itertools.islice(itertools.cycle(l),n,n+len(l))

>>> list(shift([1,2,3],1))
[2, 3, 1]

解决方案 9：

这还取决于您是否要就地移动列表（对其进行变异），或者是否希望函数返回新列表。因为根据我的测试，这样的操作比添加两个列表的实现至少快 20 倍：

def shiftInPlace(l, n):
    n = n % len(l)
    head = l[:n]
    l[:n] = []
    l.extend(head)
    return l

事实上，即使l = l[:]在其顶部添加一个来对传入列表的副本进行操作仍然快两倍。

http://gist.github.com/288272上有各种实现，具体时间请参见

解决方案 10：

对于不可变的实现，您可以使用如下方法：

def shift(seq, n):
    shifted_seq = []
    for i in range(len(seq)):
        shifted_seq.append(seq[(i-n) % len(seq)])
    return shifted_seq

print shift([1, 2, 3, 4], 1)

解决方案 11：

环形缓冲区可能更合适。它不是一个列表，尽管它可能足以像列表一样满足您的目的。

问题在于列表上的移位效率为 O(n)，这对于足够大的列表来说变得非常重要。

环形缓冲区中的移位只是更新头部位置，其时间为 O(1)

解决方案 12：

如果您的目标是效率（周期？内存？），那么您最好查看数组模块：http://docs.python.org/library/array.html

数组没有列表的开销。

就纯列表而言，您拥有的已经和您希望的一样好了。

解决方案 13：

另一种选择：

def move(arr, n):
    return [arr[(idx-n) % len(arr)] for idx,_ in enumerate(arr)]

解决方案 14：

Jon Bentley 在《编程珠玑》（第 2 栏）中描述了一种优雅而高效的算法，用于按位置向左旋转n-元素向量：x`i`

我们将问题视为将数组转换ab为数组
ba，但我们还假设我们有一个函数可以反转数组指定部分中的元素。从开始ab，我们反转a得到，反转得到
，然后反转整个数组得到，也就是。这导致以下旋转代码：arb`barbr(arbr)r`ba
reverse(0, i-1)
reverse(i, n-1)
reverse(0, n-1)

这可以翻译成 Python 如下：

def rotate(x, i):
    i %= len(x)
    x[:i] = reversed(x[:i])
    x[i:] = reversed(x[i:])
    x[:] = reversed(x)
    return x

演示：

>>> def rotate(x, i):
...     i %= len(x)
...     x[:i] = reversed(x[:i])
...     x[i:] = reversed(x[i:])
...     x[:] = reversed(x)
...     return x
... 
>>> rotate(list('abcdefgh'), 1)
['b', 'c', 'd', 'e', 'f', 'g', 'h', 'a']
>>> rotate(list('abcdefgh'), 3)
['d', 'e', 'f', 'g', 'h', 'a', 'b', 'c']
>>> rotate(list('abcdefgh'), 8)
['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h']
>>> rotate(list('abcdefgh'), 9)
['b', 'c', 'd', 'e', 'f', 'g', 'h', 'a']

解决方案 15：

def solution(A, K):
    if len(A) == 0:
        return A

    K = K % len(A)

    return A[-K:] + A[:-K]

# use case
A = [1, 2, 3, 4, 5, 6]
K = 3
print(solution(A, K))

例如，给定

A = [3, 8, 9, 7, 6]
K = 3

该函数应返回[9, 7, 6, 3, 8]。进行了三次旋转：

[3, 8, 9, 7, 6] -> [6, 3, 8, 9, 7]
[6, 3, 8, 9, 7] -> [7, 6, 3, 8, 9]
[7, 6, 3, 8, 9] -> [9, 7, 6, 3, 8]

再举一个例子，

A = [0, 0, 0]
K = 1

函数应该返回[0, 0, 0]

鉴于

A = [1, 2, 3, 4]
K = 4

函数应该返回[1, 2, 3, 4]

解决方案 16：

我是“老派”人士，我将效率定义为最低延迟、处理器时间和内存使用率，我们的敌人是臃肿的库。因此，只有一种正确的方法：

    def rotatel(nums):
        back = nums.pop(0)
        nums.append(back)
        return nums

解决方案 17：

我以这个成本模型作为参考：

http://scripts.mit.edu/~6.006/fall07/wiki/index.php?title=Python_Cost_Model

切片列表和连接两个子列表的方法是线性时间操作。我建议使用 pop，这是一个恒定时间操作，例如：

def shift(list, n):
    for i in range(n)
        temp = list.pop()
        list.insert(0, temp)

解决方案 18：

我不知道这是否“有效”，但它也有效：

x = [1,2,3,4]
x.insert(0,x.pop())

编辑：你好，我刚刚发现这个解决方案有一个大问题！请考虑以下代码：

class MyClass():
    def __init__(self):
        self.classlist = []

    def shift_classlist(self): # right-shift-operation
        self.classlist.insert(0, self.classlist.pop())

if __name__ == '__main__':
    otherlist = [1,2,3]
    x = MyClass()

    # this is where kind of a magic link is created...
    x.classlist = otherlist

    for ii in xrange(2): # just to do it 2 times
        print '


before shift:'
        print '     x.classlist =', x.classlist
        print '     otherlist =', otherlist
        x.shift_classlist() 
        print 'after shift:'
        print '     x.classlist =', x.classlist
        print '     otherlist =', otherlist, '<-- SHOULD NOT HAVE BIN CHANGED!'

shift_classlist() 方法执行的代码与我的 x.insert(0,x.pop()) 解决方案相同，otherlist 是一个独立于类的列表。将 otherlist 的内容传递给 MyClass.classlist 列表后，调用 shift_classlist() 也会更改 otherlist 列表：

控制台输出：

before shift:
     x.classlist = [1, 2, 3]
     otherlist = [1, 2, 3]
after shift:
     x.classlist = [3, 1, 2]
     otherlist = [3, 1, 2] <-- SHOULD NOT HAVE BIN CHANGED!



before shift:
     x.classlist = [3, 1, 2]
     otherlist = [3, 1, 2]
after shift:
     x.classlist = [2, 3, 1]
     otherlist = [2, 3, 1] <-- SHOULD NOT HAVE BIN CHANGED!

我使用 Python 2.7。我不知道这是否是一个错误，但我认为我更有可能误解了这里的某些内容。

你们中有谁知道为什么会发生这种情况吗？

解决方案 19：

我认为你正在寻找这个：

a.insert(0, x)

解决方案 20：

以下方法是 O(n)，需要使用常量辅助内存：

def rotate(arr, shift):
  pivot = shift % len(arr)
  dst = 0
  src = pivot
  while (dst != src):
    arr[dst], arr[src] = arr[src], arr[dst]
    dst += 1
    src += 1
    if src == len(arr):
      src = pivot
    elif dst == pivot:
      pivot = src

请注意，在 Python 中，这种方法与其他方法相比效率极低，因为它无法利用任何部分的本机实现。

解决方案 21：

我也有类似的事情。例如，移动两位……

def Shift(*args):
    return args[len(args)-2:]+args[:len(args)-2]

解决方案 22：

我认为你有最有效的方法

def shift(l,n):
    n = n % len(l)  
    return l[-U:] + l[:-U]

解决方案 23：

我正在寻找此问题的现场解决方案。这解决了 O(k) 中的目的。

def solution(self, list, k):
    r=len(list)-1
    i = 0
    while i<k:
        temp = list[0]
        list[0:r] = list[1:r+1]
        list[r] = temp
        i+=1
    return list

解决方案 24：

用例是什么？通常，我们实际上并不需要完全移位的数组 - 我们只需要访问移位数组中的少数元素。

获取 Python 切片的运行时间为 O(k)，其中 k 是切片，因此切片旋转的运行时间为 N。双端队列旋转命令的运行时间为 O(k)。我们能做得更好吗？

假设有一个非常大的数组（比方说，大到要对它进行切片计算会很慢）。另一种解决方案是保留原始数组，并简单地计算经过某种移位后存在于我们所需索引中的项目的索引。

因此访问移位元素的时间变为 O(1)。

def get_shifted_element(original_list, shift_to_left, index_in_shifted):
    # back calculate the original index by reversing the left shift
    idx_original = (index_in_shifted + shift_to_left) % len(original_list)
    return original_list[idx_original]

my_list = [1, 2, 3, 4, 5]

print get_shifted_element(my_list, 1, 2) ----> outputs 4

print get_shifted_element(my_list, -2, 3) -----> outputs 2

解决方案 25：

以下函数将发送的列表复制到临时列表，以便 pop 函数不会影响原始列表：

def shift(lst, n, toreverse=False):
    templist = []
    for i in lst: templist.append(i)
    if toreverse:
        for i in range(n):  templist = [templist.pop()]+templist
    else:
        for i in range(n):  templist = templist+[templist.pop(0)]
    return templist

测试：

lst = [1,2,3,4,5]
print("lst=", lst)
print("shift by 1:", shift(lst,1))
print("lst=", lst)
print("shift by 7:", shift(lst,7))
print("lst=", lst)
print("shift by 1 reverse:", shift(lst,1, True))
print("lst=", lst)
print("shift by 7 reverse:", shift(lst,7, True))
print("lst=", lst)

输出：

lst= [1, 2, 3, 4, 5]
shift by 1: [2, 3, 4, 5, 1]
lst= [1, 2, 3, 4, 5]
shift by 7: [3, 4, 5, 1, 2]
lst= [1, 2, 3, 4, 5]
shift by 1 reverse: [5, 1, 2, 3, 4]
lst= [1, 2, 3, 4, 5]
shift by 7 reverse: [4, 5, 1, 2, 3]
lst= [1, 2, 3, 4, 5]

解决方案 26：

对于列表和小于列表长度X = ['a', 'b', 'c', 'd', 'e', 'f']的所需移位值，我们可以定义如下函数shift list_shift()

def list_shift(my_list, shift):
    assert shift < len(my_list)
    return my_list[shift:] + my_list[:shift]

例如，

list_shift(X,1)返回['b', 'c', 'd', 'e', 'f', 'a']
list_shift(X,3)返回['d', 'e', 'f', 'a', 'b', 'c']

解决方案 27：

以下是一种不需要使用任何额外数据结构的有效算法：

def rotate(nums: List[int]， k: int):

    k = k%len(nums)
    l, r = 0, len(nums)-1
    while (l<r):
        nums[l], nums[r]= nums[r], nums[l]
        l,r=l+1,r-1
    
    l,r = 0, k-1
    while (l<r):
        nums[l], nums[r]=nums[r], nums[l]
        l,r=l+1,r-1
        
    l,r=k,len(nums)-1
    while (l<r):
        nums[l], nums[r]=nums[r], nums[l]
        l,r=l+1,r-1