python - Python：使用 list.sort(cmp=myfnc) 的内存高效列表

Question

改进此代码的最佳方法是什么：

def my_func(x, y):
    ... do smth ...
    return cmp(x',y') 

my_list = range(0, N)
my_list.sort(cmp=my_func)

与 numpy 数组（6800MB 与 700MB）相比，python 的列表需要大量内存，但 nympy.array 没有带有 cmp 参数的排序函数。

还有其他方法可以提高内存使用率或使用我的 cmp 函数对 numpy 的数组进行排序吗？

更新：我当前的解决方案是一个 C 函数（与 SWIG 共享），它对大量整数进行排序，并在排序后将其返回给 python。

但我希望有一些方法可以使用 Python 实现对巨大数据集的内存高效排序。有任何想法吗？

score 2 · Accepted Answer

如果您可以编写一个转换数组的 ufunc，则可以通过 argsort 进行快速排序：

b = convert(a)
idx = np.argsort(b)
sort_a = a[idx]

score 0 · Accepted Answer

作为替代方案，您可以将内置函数sorted与 numpy 数组一起使用：

>>> a = np.arange(10, 1, -1)
>>> sorted(a, cmp=lambda a,b: cmp(a,b))
[2, 3, 4, 5, 6, 7, 8, 9, 10]

它不是就地的，因此与 6800 MB 相比，您有 1400 MB。

2 回答 2