Question

我有一份包含约1,300,000件物品的清单。例如，['。''，'。b.a'，'。c.b'，'。f.c.b']。

我想删除子域名（例如上面列表中的“.b.a”和“.f.c.b”）。

我是新手。我想了解速度。以下是我的尝试，似乎很慢。任何建议：

# create separate lists, perhaps that is faster
a1 = []
b2 = []
c3 = []
d4 = []
e5 = []
f6 = []
for i in dupesgone:
    j = i.count('.')
    if j == 1:
        a1.append(i)
    elif j == 2:
        b2.append(i)
    elif j == 3:
        c3.append(i)
    elif j == 4:
        d4.append(i)
    elif j == 5:
        e5.append(i)
    else:
        f6.append(i)

for a in a1:
    la = -len(a)
    for b in b2:
        if a == b[la:]:
            b2.remove(b)
    for c in c3:
        if a == c[la:]:
            c3.remove(c)
    for d in d4:
        if a == d[la:]:
            d4.remove(d)
    --snip--

# how about this, is this faster
[b2.remove(b) for b in b2 for a in a1 if a == b[-len(a):]]
[c3.remove(c) for c in c3 for a in a1 if a == c[-len(a):]]
[d4.remove(d) for d in d4 for a in a1 if a == d[-len(a):]]
[e5.remove(e) for e in e5 for a in a1 if a == e[-len(a):]]
[f6.remove(f) for f in f6 for a in a1 if a == f[-len(a):]]

我应该创建字典吗？会更快吗？

感谢您的帮助。

Answer 1

创建新列表通常比删除不匹配的项目更快：

dupesgone = [domain for domain in dupesgone if domain.count(".") == 1]

Answer 2

实际上，我认为最快的算法是

反转每一项（所以＆＃34; .b.c＆＃34;变为＆＃34; c.b。＆＃34;）
对列表进行排序
在列表中循环，了解＆＃34;当前＆＃34;项目。如果列表中的下一个项目以当前项目的（即是其子域名）开头，则下一个项目将添加到输出列表并成为当前项目。
撤消输出列表中的每个项目

以下是未经测试的代码草图：

def reverse(s):
  return s[::-1]

r = map(reverse, devgone)
r.sort()
ci = None
out = []
for ni in r:
  if not ci or not ni.startswith(ci):
     out.append(ni)
     ci = ni
return map(reverse, out)

Python 2.7：从列表中删除子域

2 个答案: