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

DDD
发布: 2025-09-09 19:14:16
原创
536人浏览过

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

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。

问题描述

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:

  • p1 < p2 < p3 < p4 < p5
  • 任意两个素数组合 (例如 p1 和 p2) 形成的两位数 (p1p2 和 p2p1) 也必须是素数。
  • 这五个素数的和必须大于 100,000,并且是满足以上条件的最小和。

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。

解决方案:利用 Numba 进行优化

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)”;

纳米搜索
纳米搜索

纳米搜索:360推出的新一代AI搜索引擎

纳米搜索 30
查看详情 纳米搜索

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()])
登录后复制

代码解释:

  1. @njit 装饰器: 这个装饰器告诉 Numba 将被装饰的函数编译成机器码。
  2. prime(a) 函数: 判断一个数是否为素数。
  3. str_to_int(s) 函数: 将字符串转换为整数。这个函数是为了将两个素数拼接成一个整数。
  4. generate_primes(n) 函数: 生成小于等于 n 的所有素数。
  5. get_comb(n) 函数: 这个函数是核心,它生成所有满足条件的素数组合。
    • 首先,生成小于 n 的所有素数。
    • 然后,生成一个二维数组 combs,用于存储任意两个素数组合是否满足 "组合后也是素数" 的条件。
    • 最后,使用嵌套循环遍历所有可能的素数组合,并检查它们是否满足所有条件。
    • @njit(parallel=True) 启用并行计算,进一步加速代码执行。prange 是 Numba 提供的并行循环。

优化要点

  • Numba 装饰器: 使用 @njit 装饰器可以显著提高代码的执行速度。
  • 数据类型: 使用 numpy.uint8 和 numpy.int64 等指定数据类型,可以帮助 Numba 更好地优化代码。
  • 并行计算: 使用 @njit(parallel=True) 和 prange 可以利用多核 CPU 并行执行代码。
  • 避免 Python 对象: 尽量避免在 Numba 编译的函数中使用 Python 对象,因为这会降低代码的执行速度。例如,使用 numpy 数组代替 Python 列表。

性能分析

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。

注意事项

  • Numba 并非适用于所有 Python 代码。它最适合优化数值计算密集型的代码。
  • 在使用 Numba 时,需要注意数据类型和 Python 对象的使用,以确保代码能够被有效地优化。
  • 在实际应用中,可以根据具体情况调整 Numba 的优化选项,以获得最佳的性能。

总结

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!

最佳 Windows 性能的顶级免费优化软件
最佳 Windows 性能的顶级免费优化软件

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。

下载
来源:php中文网
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
最新问题
开源免费商场系统广告
热门教程
更多>
最新下载
更多>
网站特效
网站源码
网站素材
前端模板
关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新 English
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送
PHP中文网APP
随时随地碎片化学习

Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号