Der effizienteste Weg, eine if-elif-elif-else-Aussage zu machen, wenn das else am meisten erledigt ist?

Ich habe eine in if-elif-elif-else-Anweisung, in der 99% der Zeit die else-Anweisung ausgeführt wird:

if something == 'this':
    doThis()
elif something == 'that':
    doThat()
elif something == 'there':
    doThere()
else:
    doThisMostOfTheTime()

Dieses Konstrukt wird viel gemacht , aber da es alle Bedingungen durchläuft, bevor es die anderen trifft, habe ich das Gefühl, dass dies nicht sehr effizient ist, geschweige denn Pythonic. Auf der anderen Seite muss es wissen, ob eine dieser Bedingungen erfüllt ist, also sollte es es trotzdem testen.

Weiß jemand, ob und wie dies effizienter gemacht werden könnte oder ist dies einfach der bestmögliche Weg, dies zu tun?

Der Code...

options.get(something, doThisMostOfTheTime)()

... sieht so aus, als ob es schneller sein sollte, aber es ist tatsächlich langsamer als das if... elif... elseKonstrukt, weil es eine Funktion aufrufen muss, was in einer engen Schleife einen erheblichen Leistungsaufwand bedeuten kann.

Betrachten Sie diese Beispiele ...

1.py

something = 'something'

for i in xrange(1000000):
    if something == 'this':
        the_thing = 1
    elif something == 'that':
        the_thing = 2
    elif something == 'there':
        the_thing = 3
    else:
        the_thing = 4

2.py

something = 'something'
options = {'this': 1, 'that': 2, 'there': 3}

for i in xrange(1000000):
    the_thing = options.get(something, 4)

3.py

something = 'something'
options = {'this': 1, 'that': 2, 'there': 3}

for i in xrange(1000000):
    if something in options:
        the_thing = options[something]
    else:
        the_thing = 4

4.py

from collections import defaultdict

something = 'something'
options = defaultdict(lambda: 4, {'this': 1, 'that': 2, 'there': 3})

for i in xrange(1000000):
    the_thing = options[something]

... und notieren Sie die benötigte CPU-Zeit ...

1.py: 160ms
2.py: 170ms
3.py: 110ms
4.py: 100ms

... mit der Benutzerzeit von time(1).

Option 4 hat den zusätzlichen Speicheraufwand für das Hinzufügen eines neuen Elements für jeden einzelnen Schlüsselfehler. Wenn Sie also eine unbegrenzte Anzahl unterschiedlicher Schlüsselfehler erwarten, würde ich Option 3 wählen, die immer noch eine erhebliche Verbesserung darstellt das ursprüngliche Konstrukt.

Ich würde ein Wörterbuch erstellen:

options = {'this': doThis,'that' :doThat, 'there':doThere}

Verwenden Sie jetzt nur:

options.get(something, doThisMostOfTheTime)()

Wird somethingim optionsDiktat nicht gefunden, dict.getwird der Standardwert zurückgegebendoThisMostOfTheTime

Einige Timing-Vergleiche:

Skript:

from random import shuffle
def doThis():pass
def doThat():pass
def doThere():pass
def doSomethingElse():pass
options = {'this':doThis, 'that':doThat, 'there':doThere}
lis = range(10**4) + options.keys()*100
shuffle(lis)

def get():
    for x in lis:
        options.get(x, doSomethingElse)()

def key_in_dic():
    for x in lis:
        if x in options:
            options[x]()
        else:
            doSomethingElse()

def if_else():
    for x in lis:
        if x == 'this':
            doThis()
        elif x == 'that':
            doThat()
        elif x == 'there':
            doThere()
        else:
            doSomethingElse()

Ergebnisse:

>>> from so import *
>>> %timeit get()
100 loops, best of 3: 5.06 ms per loop
>>> %timeit key_in_dic()
100 loops, best of 3: 3.55 ms per loop
>>> %timeit if_else()
100 loops, best of 3: 6.42 ms per loop

Für 10**5nicht vorhandene Schlüssel und 100 gültige Schlüssel:

>>> %timeit get()
10 loops, best of 3: 84.4 ms per loop
>>> %timeit key_in_dic()
10 loops, best of 3: 50.4 ms per loop
>>> %timeit if_else()
10 loops, best of 3: 104 ms per loop

Für ein normales Wörterbuch ist die Überprüfung des Schlüssels key in optionshier am effizientesten:

if key in options:
   options[key]()
else:
   doSomethingElse()

Können Sie Pypy verwenden?

Wenn Sie Ihren Originalcode behalten, ihn aber auf Pypy ausführen, beschleunigt sich das für mich um das 50-fache.

CPython:

matt$ python
Python 2.6.8 (unknown, Nov 26 2012, 10:25:03)
[GCC 4.2.1 Compatible Apple Clang 3.0 (tags/Apple/clang-211.12)] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>>
>>> from timeit import timeit
>>> timeit("""
... if something == 'this': pass
... elif something == 'that': pass
... elif something == 'there': pass
... else: pass
... """, "something='foo'", number=10000000)
1.728302001953125

Pypy:

matt$ pypy
Python 2.7.3 (daf4a1b651e0, Dec 07 2012, 23:00:16)
[PyPy 2.0.0-beta1 with GCC 4.2.1] on darwin
Type "help", "copyright", "credits" or "license" for more information.
And now for something completely different: ``a 10th of forever is 1h45''
>>>>
>>>> from timeit import timeit
>>>> timeit("""
.... if something == 'this': pass
.... elif something == 'that': pass
.... elif something == 'there': pass
.... else: pass
.... """, "something='foo'", number=10000000)
0.03306388854980469

Hier ein Beispiel für ein if mit dynamischen Bedingungen, das in ein Wörterbuch übersetzt wurde.

selector = {lambda d: datetime(2014, 12, 31) >= d : 'before2015',
            lambda d: datetime(2015, 1, 1) <= d < datetime(2016, 1, 1): 'year2015',
            lambda d: datetime(2016, 1, 1) <= d < datetime(2016, 12, 31): 'year2016'}

def select_by_date(date, selector=selector):
    selected = [selector[x] for x in selector if x(date)] or ['after2016']
    return selected[0]

Dies ist ein Weg, aber möglicherweise nicht der pythonischste, da er weniger lesbar ist und für den Python nicht fließend ist.

Die Leute warnen execaus Sicherheitsgründen, aber dies ist ein idealer Fall dafür.
Es ist eine einfache Zustandsmaschine.

Codes = {}
Codes [0] = compile('blah blah 0; nextcode = 1')
Codes [1] = compile('blah blah 1; nextcode = 2')
Codes [2] = compile('blah blah 2; nextcode = 0')

nextcode = 0
While True:
    exec(Codes[nextcode])