Eliminando loops

Escrevendo código Python eficiente

Logan Thomas

Scientific Software Technical Trainer, Enthought

Loops em Python

Padrões de loop:
- for: itera item a item
- while: repete enquanto a condição for verdadeira
- Loops "aninhados": um loop dentro de outro
- Caros!

Vantagens de eliminar loops

Menos linhas de código
Melhor legibilidade
- "Plano é melhor que aninhado"
Mais eficiência

Eliminando loops com recursos embutidos

# Lista de HP, Attack, Defense, Speed
poke_stats = [
    [90,  92, 75, 60],
    [25,  20, 15, 90],
    [65, 130, 60, 75],
    ...
]

alt=”Os Pokémon Abomasnow, Abra e Absol e seus respectivos atributos de HP, Attack, Defense e Speed destacados”

# Lista de HP, Attack, Defense, Speed
poke_stats = [
    [90,  92, 75, 60],
    [25,  20, 15, 90],
    [65, 130, 60, 75],
    ...
]

# Abordagem com for
totals = []
for row in poke_stats:
    totals.append(sum(row))

# Compreensão de listas
totals_comp = [sum(row) for row in poke_stats]

# Função embutida map()
totals_map = [*map(sum, poke_stats)]

%%timeit
totals = []
for row in poke_stats:
    totals.append(sum(row))

140 µs ± 1.94 µs por loop (média ± desvio padrão de 7 execuções, 10000 loops cada)

%timeit totals_comp = [sum(row) for row in poke_stats]

114 µs ± 3.55 µs por loop (média ± desvio padrão de 7 execuções, 10000 loops cada)

%timeit totals_map = [*map(sum, poke_stats)]

95 µs ± 2.94 µs por loop (média ± desvio padrão de 7 execuções, 10000 loops cada)

Eliminando loops com módulos embutidos

poke_types = ['Bug', 'Fire', 'Ghost', 'Grass', 'Water']

# Abordagem com for aninhado
combos = []
for x in poke_types:
    for y in poke_types:
        if x == y:
            continue
        if ((x,y) not in combos) & ((y,x) not in combos):
            combos.append((x,y))

# Abordagem com módulo embutido
from itertools import combinations
combos2 = [*combinations(poke_types, 2)]

Elimine loops com NumPy

# Array de HP, Attack, Defense, Speed
import numpy as np

poke_stats = np.array([
    [90,  92, 75, 60],
    [25,  20, 15, 90],
    [65, 130, 60, 75],
    ...
])

Elimine loops com NumPy

avgs = []
for row in poke_stats:
    avg = np.mean(row)
    avgs.append(avg)

print(avgs)

[79.25, 37.5, 82.5, ...]

avgs_np = poke_stats.mean(axis=1)

print(avgs_np)

[ 79.25  37.5   82.5  ...]

Elimine loops com NumPy

%timeit avgs = poke_stats.mean(axis=1)

23.1 µs ± 235 ns por loop (média ± desvio padrão de 7 execuções, 10000 loops cada)

%%timeit
avgs = []
for row in poke_stats:
    avg = np.mean(row)
    avgs.append(avg)

5.54 ms ± 224 µs por loop (média ± desvio padrão de 7 execuções, 100 loops cada)

Vamos praticar!

Escrevendo código Python eficiente