
本文旨在解决在 Python 中搜索满足特定条件的素数组合时遇到的性能瓶颈问题。通过利用 Numba 库的即时编译功能,大幅提升代码执行效率,从而在合理时间内找到符合要求的素数组合。文章将详细介绍如何使用 Numba 优化素数判定、组合生成等关键步骤,并提供完整的代码示例和性能分析。
我们需要在一个素数列表中,寻找满足以下条件的五个素数 (p1, p2, p3, p4, p5) 的组合:
直接使用 Python 实现这个搜索算法可能会非常缓慢,因为涉及大量的素数判定和组合生成。因此,我们需要寻找一种优化方法来提高代码的执行效率。
Numba 是一个 Python 的即时 (JIT) 编译器,它可以将 Python 代码编译成机器码,从而显著提高代码的执行速度。Numba 特别擅长优化数值计算密集型的代码,非常适合解决我们遇到的素数搜索问题。
立即学习“Python免费学习笔记(深入)”;
以下是使用 Numba 优化后的代码示例:
import numpy as np
from numba import njit, prange
@njit
def prime(a):
"""
判断一个数是否为素数.
"""
if a < 2:
return False
for x in range(2, int(a**0.5) + 1):
if a % x == 0:
return False
return True
@njit
def str_to_int(s):
"""
将字符串转换为整数.
"""
final_index, result = len(s) - 1, 0
for i, v in enumerate(s):
result += (ord(v) - 48) * (10 ** (final_index - i))
return result
@njit
def generate_primes(n):
"""
生成小于等于 n 的所有素数.
"""
out = []
for i in range(3, n + 1):
if prime(i):
out.append(i)
return out
@njit(parallel=True)
def get_comb(n=100_000):
# generate all primes < n
primes = generate_primes(n)
n_primes = len(primes)
# generate all valid combinations of primes
combs = np.zeros((n_primes, n_primes), dtype=np.uint8)
for i in prange(n_primes):
for j in prange(i + 1, n_primes):
p1, p2 = primes[i], primes[j]
c1 = str_to_int(f"{p1}{p2}")
c2 = str_to_int(f"{p2}{p1}")
if not prime(c1) or not prime(c2):
continue
combs[i, j] = 1
all_combs = []
for i_p1 in prange(0, n_primes):
for i_p2 in prange(i_p1 + 1, n_primes):
if combs[i_p1, i_p2] == 0:
continue
for i_p3 in prange(i_p2 + 1, n_primes):
if combs[i_p1, i_p3] == 0:
continue
if combs[i_p2, i_p3] == 0:
continue
for i_p4 in prange(i_p3 + 1, n_primes):
if combs[i_p1, i_p4] == 0:
continue
if combs[i_p2, i_p4] == 0:
continue
if combs[i_p3, i_p4] == 0:
continue
for i_p5 in prange(i_p4 + 1, n_primes):
if combs[i_p1, i_p5] == 0:
continue
if combs[i_p2, i_p5] == 0:
continue
if combs[i_p3, i_p5] == 0:
continue
if combs[i_p4, i_p5] == 0:
continue
p1, p2, p3, p4, p5 = (
primes[i_p1],
primes[i_p2],
primes[i_p3],
primes[i_p4],
primes[i_p5],
)
ccomb = np.array([p1, p2, p3, p4, p5], dtype=np.int64)
if np.sum(ccomb) < n:
continue
all_combs.append(ccomb)
print(ccomb)
break
return all_combs
all_combs = np.array(get_comb())
print()
print("Minimal combination:")
print(all_combs[np.sum(all_combs, axis=1).argmin()])代码解释:
使用 Numba 优化后的代码,执行速度得到了显著提升。在我的测试环境中 (AMD 5700X),原始代码可能需要几个小时才能完成计算,而使用 Numba 优化后的代码只需要 1 分钟 20 秒左右。
通过使用 Numba 库,我们可以显著提高 Python 代码的执行速度,从而解决在素数搜索等问题中遇到的性能瓶颈。本文提供了一个完整的代码示例和性能分析,希望能够帮助读者更好地理解和应用 Numba 优化技术。
以上就是使用 Numba 优化 Python 嵌套列表搜索:寻找满足特定条件的素数组合的详细内容,更多请关注php中文网其它相关文章!
每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。
Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号