Python和集合交叉点的有效循环（使用树）

Question

下面是决策树的属性和值的不同路径。如果我把每一个组合的树都一一列举出来，那棵树就很大了。所以…树的每个路径都是叶节点的不同属性和值。在

如果给定一个要评分的值列表，即找到具有最常见元素的节点，我使用下面的代码。在

要想达到我想要的目标，最快的方法是什么？下面的方法可行，但是时间是最重要的，因此值得使用c并导入python。在

树形结构会更快吗？如果是-什么结构？凌乱编织会更快吗？在

nodes = {}
nodes[1] = ['hod=1','hod=2','state=NY','state=LA']
nodes[2] = ['hod=3','hod=4','state=FL','state=NV']
nodes[3] = ['hod=5','hod=6','state=WY','state=HI']
nodes[4] = ['hod=5','hod=6']


score = ['hod=6','state=WY','dow=4']
score_size = len(score)

max_node = -1
max_len = -1
for node_id, node in nodes.iteritems():
    this_node_interection_len = len(set(score).intersection(node))
    if this_node_interection_len>max_len:
        max_len = this_node_interection_len
        max_node = node_id   
    #print node_id, len(set(score).intersection(node))


print 'max_node',3

Answer 1

将数据存储在堆中可能会更快，其中len(score.intersection(node))是每个节点的键值。通过这种方式，构建初始数据结构要比创建一个平面字典慢一些，但是您可以快速检索前几个节点，而不仅仅是得分最高的节点。在

您还应该考虑使用PyPy或类似的方法来优化性能。在