Python系统的重写系统

Question

我为我生成的Python编写了以下工作代码。这是一个基于Lindenmayer的重写系统。输出C是：+-LF+RFR+FL-F-+RF-LFL-FR+F+RF-LFL-FR+-F-LF+RFR+FL-+，我可以解释它来绘制空间填充曲线.C是起始字母，进程执行n次。

C = 'L'
n = 2
Code = {ord('L'):'+RF-LFL-FR+',
ord('R'):'-LF+RFR+FL-'}

while n:
    C = C.translate(Code)
    n -=1

print C

现在我想要的是，代码是自动从列表中写出来的。例如，我有一个列表R=[['L', '+RF-LFL-FR+'], ['R', '-LF+RFR+FL-']]，它应该自动插入到代码中，因此我可以进一步使用它。每个子列表的第一个元素应该插入到ord()方法中，第二个元素应该插入冒号之后。有什么建议吗？

我通过理解列表找到了一种方法。列表R是L=+RF-LFL-FR+, R=-LF+RFR+FL-。现在我问是否有一种更有效的方法来获取代码？

R = ['L=+RF-LFL-FR+','R=-LF+RFR+FL-']
A = 'L'

for i in range(0,len(R)):
    R[i]=R[i].split('=')

print R

Start = []
Rule = []

for i in range(0,len(R)):
    Start.append(R[i][0])
    Rule.append(R[i][1])

#mapping via list comprehension
while n:
    A=''.join([Rule[Start.index(i)] if i in Start else i for i in A])
    n -=1

print A

Answer 1

很明显这对你有好处。代码运行在python3上。

def fun1(n):
    axiom = 'L'
    rules = ['L=+RF-LFL-FR+','R=-LF+RFR+FL-']

    # Convert the rules into a translation table.
    rules = [ r.split('=') for r in rules ]
    table = dict((ord(key), value) for (key, value) in dict(rules).items())

    # Expand
    string = axiom
    for i in range(n):
        string = string.translate(table)
    return string

编辑：我发现了第二种使用内置map函数的方法：

def fun2(n):
    axiom = 'L'
    rules = ['L=+RF-LFL-FR+','R=-LF+RFR+FL-']

    # Convert the rules into a translation table.
    rules = [ r.split('=') for r in rules ]
    table = dict(rules)
    lookup = lambda c: table[c] if c in table else c

    string = axiom
    for i in range(n):
        # Map
        string = map(lookup, string)
        # "Reduce": from list of strings to string
        string = ''.join(string)
    return string

Timing：为了检查运行时，我执行了n=10的候选项，这将导致一个字符串，该字符串的字符约为3‘500’。您的实现(当然没有打印操作)我命名为fun3(n)。我使用%timeit命令在ipython中测量结果。

%timeit fun1(n=10)
10 loops, best of 3: 143 ms per loop

%timeit fun2(n=10)
10 loops, best of 3: 195 ms per loop

%timeit fun3(n=10)
10 loops, best of 3: 152 ms per loop

系统:Python3.5.2，MacBook Pro (Retina，15英寸，2015年中期)，2.8 GHz英特尔核心i7。

汇总：我的第一个建议和您的实现的执行速度一样快，与我的版本相比略有优势，特别是在可读性方面。map方法没有回报。

我还尝试了第四个版本，其中的输出数组是预先分配的，但是代码正在被涉及，python的内存分配逻辑在运行时显然比我的预分配方法好2倍。我没有对此作进一步的调查。