4.11 공통책 찾기 실습

#Optimizing Code: Common Books"
#Here's the code your coworker wrote to find the common book ids in `books_published_last_two_years.txt` and `all_coding_books.txt` to obtain a list of recent coding books."

import time
import pandas as pd
import numpy as np

with open ('books_published_last_two_years.txt') as f:
    recent_books = f.read().split('\\n')
    
with open('all_coding_books.txt') as f:
    coding_books = f.read().split('\\n')

start = time.time()
recent_coding_books = []

for book in recent_books:
    if book in coding_books:
        recent_coding_books.append(book)

print(len(recent_coding_books))
print('Duration: {} seconds'.format(time.time() - start))

### Tip #1: Use vector operations over loops when possible

start = time.time()
recent_coding_books =  np.intersect1d(recent_books, coding_books) # compute intersection of lists
print(len(recent_coding_books))
print('Duration: {} seconds'.format(time.time() - start))


### Tip #2: Know your data structures and which methods are faster",

start = time.time()
recent_coding_books =  set(recent_books).intersection(coding_books) # compute intersection of lists
print(len(recent_coding_books))
print('Duration: {} seconds'.format(time.time() - start))

#Tip 1. 루프에 벡터 연산 사용

numpy의 intersect1d를 활용하여 공통점을 찾는다. 이 모듈로 연산을 더 빠르게 할 수 있다.

 

#Tip 2. 데이터 구조를 확인하고 더 빠른 방법 찾기

이 데이터의 경우 고유한 요소 그룹을 저장하고 빠르게 계산할 수 있는 Set 데이터 구조가 있다. 

https://stackoverflow.com/questions/2864842/common-elements-comparison-between-2-lists

 

---

intersect1d

https://numpy.org/doc/stable/reference/generated/numpy.intersect1d.html

numpy.intersect1d — NumPy v1.21 Manual

Parameter로 받은 두 배열의 공통배열을 정렬하여 return 한다.

parmeter option에 따라 다른 return값을 받을 수 있다.

 

intersection

https://www.w3schools.com/python/ref_set_intersection.asp

Python Set intersection() Method

2개 이상의 Set 구조에 사용할 수 있는 모듈이다.

Parameter로 전달된 Set의 공통부분을 Set으로 반환한다.