Я делаю выравнивание последовательностей и столкнулся с довольно загадочным вопросом времени, связанным с началом моей структуры данных dict. В принципе, у меня есть функция alignment(s1, s2, scores)
, которая берет две строки s1 и s2 и матрицу подсчета (как питон-дикт) для каждой возможной пары из 20 аминокислот и пробел '-'. Таким образом, scores
имеет 440 ключей (char1, char2), с целыми значениями.python dict timing тайна
Вот тайна: Если я читаю scores
из текстового файла (назовем его scores1) и запустить alignment(s1, s2, scores1)
для некоторых 1000-иш длинных строк s1, s2 аминокислот я получаю следующие сроки (с использованием Cprofile и не показывая выход функции):
2537776 function calls in 11.796 seconds
Теперь, если я создаю точно такой же Dict в моем файле (назовем его scores2) и запустить alignment(s1, s2, scores2)
я получаю те же выходные результаты, но в 3 раза меньше времени:
2537776 function calls in 4.263 seconds
Выход в обоих случаях идентичен, это просто время, которое отличается. Запуск print scores1 == scores2
приводит к True
, поэтому они содержат идентичную информацию. Я проверил, что использование произвольной функции (вместо выравнивания), которая обращается к dict , во много раз дает тот же коэффициент из 3 временных расхождений в двух случаях.
Должно быть какое-то метаданные, связанные с тем, откуда возникли диктофоны, что замедляет мою функцию (когда из файла), хотя в обоих случаях я действительно читаю в файле. Я попытался создать новый объект dict для каждого через scores1 = dict(scores1)
и т. Д., Но такое же временное несоответствие сохраняется. Довольно запутанный, но я уверен, что в этом будет хороший урок, если я смогу это понять.
scores1 = create_score_dict_from_file('lcs_scores.txt')
scores2 = create_score_dict(find_alp(s1, s2), match=1, mismatch=0, indel=0)
print scores1 == scores2 # True
alignment(s1, s2, scores1) # gives right answer in about 12s
alignment(s1, s2, scores2) # gives right answer in about 4s
EDIT: Добавлен код и результаты ниже:
Вот это упрощенная версия кода:
import numpy as np
from time import time
def create_scores_from_file(score_file, sigma=0):
"""
Creates a dict of the scores for each pair in an alphabet,
as well as each indel (an amino acid, paired with '-'), which is scored -sigma.
"""
f = open(score_file, 'r')
alp = f.readline().strip().split()
scores = []
for line in f:
scores.append(map(int, line.strip().split()[1:]))
f.close()
scores = np.array(scores)
score_dict = {}
for c1 in range(len(alp)):
score_dict[(alp[c1], '-')] = -sigma
score_dict[('-', alp[c1])] = -sigma
for c2 in range(len(alp)):
score_dict[(alp[c1], alp[c2])] = scores[c1, c2]
return score_dict
def score_matrix(alp=('A', 'C', 'G', 'T'), match=1, mismatch=0, indel=0):
score_dict = {}
for c1 in range(len(alp)):
score_dict[(alp[c1], '-')] = indel
score_dict[('-', alp[c1])] = indel
for c2 in range(len(alp)):
score_dict[(alp[c1], alp[c2])] = match if c1 == c2 else mismatch
return score_dict
def use_dict_in_function(n, d):
start = time()
count = 0
for i in xrange(n):
for k in d.keys():
count += d[k]
print "Time: ", time() - start
return count
def timing_test():
alp = tuple('A C D E F G H I K L M N P Q R S T V W Y'.split())
scores1 = create_scores_from_file('lcs_scores.txt')
scores2 = score_matrix(alp, match=1, mismatch=0, indel=0)
print type(scores1), id(scores1)
print type(scores2), id(scores2)
print repr(scores1)
print repr(scores2)
print type(list(scores1)[0][0])
print type(list(scores2)[0][0])
print scores1 == scores2
print repr(scores1) == repr(scores2)
n = 10000
use_dict_in_function(n, scores1)
use_dict_in_function(n, scores2)
if __name__ == "__main__":
timing_test()
Результаты:
<type 'dict'> 140309927965024
<type 'dict'> 140309928036128
{('S', 'W'): 0, ('G', 'G'): 1, ('E', 'M'): 0, ('P', '-'): 0,... (440 key: values)
{('S', 'W'): 0, ('G', 'G'): 1, ('E', 'M'): 0, ('P', '-'): 0,... (440 key: values)
<type 'str'>
<type 'str'>
True
True
Time: 1.51075315475
Time: 0.352770090103
Вот содержимое файла lcs_scores.txt:
A C D E F G H I K L M N P Q R S T V W Y
A 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
C 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
D 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
E 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
F 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
G 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0
H 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0
I 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0
K 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0
L 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0
M 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0
N 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0
P 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0
Q 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
R 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0
S 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0
T 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0
V 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0
W 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0
Y 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
Python 2.7.5 магнезии() дает одинаковые результаты: '{('S', 'W'): 0, ('G', 'G'): 1, ('E', 'M'): 0, ('P', '-'): 0, ... ' – MichaelB
Действительно ли' repr (scores1) == repr (score2) 'return' True'? Не доверяйте своим глазным яблокам для этого ;-) –
Yup. 'repr (scores1) == repr (scores2)' возвращает True и 'type (list (scores1.keys()) [0] [0])' return '' в обоих случаях –
MichaelB