Почему использование последовательности происходит намного медленнее, чем использование списка в этом примере
Фон:
У меня есть последовательность смежных данных с меткой времени.
В последовательности данных есть отверстия в ней, некоторые крупные, а другие - только одно пропущенное значение.
Всякий раз, когда отверстие является всего лишь одним отсутствующим значением, я хочу исправить отверстия с помощью фиктивного значения (большие отверстия будут проигнорированы).
Я хотел бы использовать ленивое поколение исправленной последовательности, и поэтому я использую Seq.unfold.
Я сделал две версии метода для исправления дыр в данных.
Первый использует последовательность данных с отверстиями в нем и создает исправленную последовательность . Это то, что я хочу, но методы работают ужасно медленно, когда количество элементов во входной последовательности растет выше 1000, и оно постепенно ухудшается, чем больше элементов содержит входная последовательность.
Второй метод использует список данных с отверстиями и создает исправленную последовательность, и она выполняется быстро. Это, однако, не то, что я хочу, поскольку это заставляет создать экземпляр всего входного списка в памяти.
Я хотел бы использовать метод (последовательность → последовательность), а не метод (список → последовательность), чтобы избежать одновременного ввода всего списка ввода в память.
Вопросы:
1) Почему первый метод настолько медленный (постепенно ухудшается с большими входными списками)
(Я подозреваю, что это связано с многократным созданием новых последовательностей с Seq.skip 1, но я не уверен)
2) Как я могу быстро выполнить исправление дыр в данных, используя входную последовательность, а не входной список?
Код:
open System
// Method 1 (Slow)
let insertDummyValuesWhereASingleValueIsMissing1 (timeBetweenContiguousValues : TimeSpan) (values : seq<(DateTime * float)>) =
let sizeOfHolesToPatch = timeBetweenContiguousValues.Add timeBetweenContiguousValues // Only insert dummy-values when the gap is twice the normal
(None, values) |> Seq.unfold (fun (prevValue, restOfValues) ->
if restOfValues |> Seq.isEmpty then
None // Reached the end of the input seq
else
let currentValue = Seq.hd restOfValues
if prevValue.IsNone then
Some(currentValue, (Some(currentValue), Seq.skip 1 restOfValues )) // Only happens to the first item in the seq
else
let currentTime = fst currentValue
let prevTime = fst prevValue.Value
let timeDiffBetweenPrevAndCurrentValue = currentTime.Subtract(prevTime)
if timeDiffBetweenPrevAndCurrentValue = sizeOfHolesToPatch then
let dummyValue = (prevTime.Add timeBetweenContiguousValues, 42.0) // 42 is chosen here for obvious reasons, making this comment superfluous
Some(dummyValue, (Some(dummyValue), restOfValues))
else
Some(currentValue, (Some(currentValue), Seq.skip 1 restOfValues))) // Either the two values were contiguous, or the gap between them was too large to patch
// Method 2 (Fast)
let insertDummyValuesWhereASingleValueIsMissing2 (timeBetweenContiguousValues : TimeSpan) (values : (DateTime * float) list) =
let sizeOfHolesToPatch = timeBetweenContiguousValues.Add timeBetweenContiguousValues // Only insert dummy-values when the gap is twice the normal
(None, values) |> Seq.unfold (fun (prevValue, restOfValues) ->
match restOfValues with
| [] -> None // Reached the end of the input list
| currentValue::restOfValues ->
if prevValue.IsNone then
Some(currentValue, (Some(currentValue), restOfValues )) // Only happens to the first item in the list
else
let currentTime = fst currentValue
let prevTime = fst prevValue.Value
let timeDiffBetweenPrevAndCurrentValue = currentTime.Subtract(prevTime)
if timeDiffBetweenPrevAndCurrentValue = sizeOfHolesToPatch then
let dummyValue = (prevTime.Add timeBetweenContiguousValues, 42.0)
Some(dummyValue, (Some(dummyValue), currentValue::restOfValues))
else
Some(currentValue, (Some(currentValue), restOfValues))) // Either the two values were contiguous, or the gap between them was too large to patch
// Test data
let numbers = {1.0..10000.0}
let contiguousTimeStamps = seq { for n in numbers -> DateTime.Now.AddMinutes(n)}
let dataWithOccationalHoles = Seq.zip contiguousTimeStamps numbers |> Seq.filter (fun (dateTime, num) -> num % 77.0 <> 0.0) // Has a gap in the data every 77 items
let timeBetweenContiguousValues = (new TimeSpan(0,1,0))
// The fast sequence-patching (method 2)
dataWithOccationalHoles |> List.of_seq |> insertDummyValuesWhereASingleValueIsMissing2 timeBetweenContiguousValues |> Seq.iter (fun pair -> printfn "%f %s" (snd pair) ((fst pair).ToString()))
// The SLOOOOOOW sequence-patching (method 1)
dataWithOccationalHoles |> insertDummyValuesWhereASingleValueIsMissing1 timeBetweenContiguousValues |> Seq.iter (fun pair -> printfn "%f %s" (snd pair) ((fst pair).ToString()))
Ответы
Ответ 1
Seq.skip создает новую последовательность. Я думаю, поэтому ваш оригинальный подход медленный.
Мой первый наклон заключается в использовании выражения последовательности и Seq.pairwise. Это быстро и легко читать.
let insertDummyValuesWhereASingleValueIsMissingSeq (timeBetweenContiguousValues : TimeSpan) (values : seq<(DateTime * float)>) =
let sizeOfHolesToPatch = timeBetweenContiguousValues.Add timeBetweenContiguousValues // Only insert dummy-values when the gap is twice the normal
seq {
yield Seq.hd values
for ((prevTime, _), ((currentTime, _) as next)) in Seq.pairwise values do
let timeDiffBetweenPrevAndCurrentValue = currentTime.Subtract(prevTime)
if timeDiffBetweenPrevAndCurrentValue = sizeOfHolesToPatch then
let dummyValue = (prevTime.Add timeBetweenContiguousValues, 42.0) // 42 is chosen here for obvious reasons, making this comment superfluous
yield dummyValue
yield next
}
Ответ 2
При разрыве seq с помощью Seq.hd
и Seq.skip 1
вы почти наверняка попадаете в ловушку перехода O (N ^ 2). IEnumerable<T>
- ужасный тип для рекурсивных алгоритмов (включая, например, Seq.unfold
), поскольку эти алгоритмы почти всегда имеют структуру "первого элемента" и "остатка элементов", и нет эффективного способа создания нового IEnumerable
, который представляет "остаток элементов". (IEnumerator<T>
работоспособен, но его модель программирования API не так забава/легко работать.)
Если вам нужны исходные данные, чтобы "оставаться ленивыми", вам следует использовать LazyList (в F # PowerPack). Если вам не нужна лень, тогда вы должны использовать конкретный тип данных, например, "список", который вы можете "вставить" в O (1).
(Вы также должны проверить Предотвращение (с бесконечными последовательностями последовательностей F #) в качестве FYI, хотя оно только касательно применимо к этой проблеме.)