[[433811]]

大家好，我是Python進階者。

是不是覺得很詫異?明明上周剛發(fā)布了這篇：分享一道用Python基礎+蒙特卡洛算法實現(xiàn)排列組合的題目(附源碼)，今天又來一篇，名曰番外篇!其實今天是想給大家分享【🌑(這是月亮的背面)】大佬的解法，拍案叫絕!

前情回顧

前幾天在才哥交流群里，有個叫【Rick Xiang】的粉絲在Python交流群里問了一道關于排列組合的問題，初步一看覺得很簡單，實際上確實是有難度的。

題目是：一個列表中有隨機15個數(shù)，沒有重復值。從列表里面任意選5個數(shù)，如何選出來包含a, a+1的所有組合。a可以是15個數(shù)中的任意一個。

關于思路和解決方法，這篇文章分享一道用Python基礎+蒙特卡洛算法實現(xiàn)排列組合的題目(附源碼)中提供了【張老師】和【有點意思】大佬的想法和解決方案，一共有5份代碼，足夠大家學習了，感興趣的小伙伴快去學習吧，干貨滿滿。

二、新代碼

上周五的時候，發(fā)布了這篇分享一道用Python基礎+蒙特卡洛算法實現(xiàn)排列組合的題目(附源碼)原創(chuàng)文章，很慶幸還有粉絲親自實踐，并給出了建設性的方案，如下圖所示。

這里先給出【🌑(這是月亮的背面)】大佬的偽代碼，這樣看上去大家也更加好理解一些。

# -*- coding: utf-8 -*- 
# 模塊化 
import random 
import numpy as np 
import time 
 
 
# 取出隨機的15個數(shù)值 
def get_random15(): 
    random_array = [np.array(random.sample(range(2000), 15)) for i in range(100000)] 
    random5 = {get_random5(random15) for random15 in random_array} 
    return [i for i in random5 if i] 
 
 
# 遍歷隨機的15個數(shù)值，取相鄰的兩個隨機數(shù)，判斷后返回滿足條件的值 
def get_random5(random_15): 
    random_5 = set(random_15[random.sample(range(15), 5)])  # np.array的索引替換choice取值 
    # 利用set特性判斷元素是否含有給定的元素 
    random_5_resp = {True if len(random_5.intersection({num, num + 1})) == 2 else False for num in random_5} 
    return tuple(random_5) if True in random_5_resp else () 
 
 
if __name__ == '__main__': 
    start_time = time.time() 
    final_result = get_random15() 
    print("共%d個符合題意的列表" % len(final_result)) 
    print("分別是：%s" % final_result) 
    end_time = time.time() 
    used_time = end_time - start_time 
    print() 
    print("本次程序用時：{}".format(time.strftime('%H(小時):%M（分鐘）:%S（秒）', time.gmtime(used_time)))) 

這個代碼寫的真的很好，沒有Python基礎的小伙伴看上去肯定有些吃力的，小編自己初看的時候，也覺得有點難以吸收，需要多看幾遍，領悟。

這個代碼親測有效，用之前的代碼大概需要12秒，改用這個只需要1.5秒。

他這里做了三個優(yōu)化，其一是之前從15個數(shù)中隨機取5個值耗時較長，這里用使用了numpy.array的特性來優(yōu)化代碼，在科學計算中，可以省掉很多循環(huán)語句，代碼使用方面比Python列表簡單，Python list 無法直接運算， Numpy Array 可直接運算;其二是刪除了之前的去重函數(shù)，這里他也用set去優(yōu)化，所以在這塊也節(jié)約了時間;其三是使用了集合的交集運算(Intersection)，較之前的if判斷來說，節(jié)約了時間。

想到這里，不得不感嘆一下，【人生苦短，我用python】!

三、總結

我是Python進階者。本文基于粉絲針對排列組合問題的提問，給出了一個利用Python基礎+蒙特卡洛算法的解決方案，基本上可以達到了粉絲的要求。

不過話說回來，這個方案雖是當下最優(yōu)，但不是永遠最優(yōu)。