【问题标题】:Python factorizationPython 因式分解
【发布时间】:2009-06-18 01:39:13
【问题描述】:

我想知道列出一个数字的所有整数因子的最佳方法,给定一个包含素因子及其指数的字典。
例如,如果我们有 {2:3, 3:2, 5:1} (2^3 * 3^2 * 5 = 360)
然后我可以写:

for i in range(4):
  for j in range(3):
    for k in range(1):
      print 2**i * 3**j * 5**k

但是在这里我有 3 个可怕的 for 循环。给定任何分解作为字典对象参数,是否可以将其抽象为一个函数?

【问题讨论】:

  • 我的数学很生疏,什么原理可以让你从质因数中推导出所有因数?
  • 这可能源于算术基本定理,因为任何非素因数都有一个独特的素因数分解,它包含在较大数的素数分解中。

标签: python algorithm


【解决方案1】:

我有blogged about this,最快的纯python(没有itertools)来自Tim Peters 到python 列表的帖子,并使用嵌套递归生成器:

def divisors(factors) :
    """
    Generates all divisors, unordered, from the prime factorization.
    """
    ps = sorted(set(factors))
    omega = len(ps)

    def rec_gen(n = 0) :
        if n == omega :
            yield 1
        else :
            pows = [1]
            for j in xrange(factors.count(ps[n])) :
                pows += [pows[-1] * ps[n]]
            for q in rec_gen(n + 1) :
                for p in pows :
                    yield p * q

    for p in rec_gen() :
        yield p

请注意,它的编写方式是一个素因数列表,而不是字典,即[2, 2, 2, 3, 3, 5] 而不是{2 : 3, 3 : 2, 5 : 1}

【讨论】:

  • 哇,这速度太快了!
  • 真的很快...我花了一些时间尝试给它一个“个人风格”,最终得出的结论是,即使重命名变量也会对速度产生负面影响!!! ;-)
【解决方案2】:

在 Python 2.6 中使用 itertools.product

#!/usr/bin/env python
import itertools, operator

def all_factors(prime_dict):
    series = [[p**e for e in range(maxe+1)] for p, maxe in prime_dict.items()]
    for multipliers in itertools.product(*series):
        yield reduce(operator.mul, multipliers)

例子:

print sorted(all_factors({2:3, 3:2, 5:1}))

输出:

[1, 2, 3, 4, 5, 6, 8, 9, 10, 12, 15, 18, 20, 24, 30, 36, 40, 45, 60,
 72, 90, 120, 180, 360]

【讨论】:

  • 你想要 operator.mul 在这里,而不是 operator.prod :)
  • @NicDumZ:谢谢。我已经修好了。
  • 这很好,但我不喜欢它依赖于 Python 2.6 中的一些新功能
  • @Christwo:itertools.product 的文档(参见我上面提供的链接)包含product() 的纯 Python 实现。这只是 6 行代码。
【解决方案3】:

嗯,不仅你有 3 个循环,而且如果你有超过 3 个因素,这种方法将不起作用:)

一种可能的方式:

def genfactors(fdict):    
    factors = set([1])

    for factor, count in fdict.iteritems():
        for ignore in range(count):
            factors.update([n*factor for n in factors])
            # that line could also be:
            # factors.update(map(lambda e: e*factor, factors))

    return factors

factors = {2:3, 3:2, 5:1}

for factor in genfactors(factors):
    print factor

此外,您可以避免在内部循环中重复一些工作:如果您的工作集是 (1,3),并且想要应用于 2^3 因子,我们正在这样做:

  • (1,3) U (1,3)*2 = (1,2,3,6)
  • (1,2,3,6) U (1,2,3,6)*2 = (1,2,3,4,6,12)
  • (1,2,3,4,6,12) U (1,2,3,4,6,12)*2 = (1,2,3,4,6,8,12,24)

看看我们在第二组中有多少重复项?

但我们可以这样做:

  • (1,3) + (1,3)*2 = (1,2,3,6)
  • (1,2,3,6) + ((1,3)*2)*2 = (1,2,3,4,6,12)
  • (1,2,3,4,6,12) + (((1,3)*2)*2)*2 = (1,2,3,4,6,8,12,24)

没有集合的解决方案看起来更好:

def genfactors(fdict):
    factors = [1]

    for factor, count in fdict.iteritems():
        newfactors = factors
        for ignore in range(count):
            newfactors = map(lambda e: e*factor, newfactors)
            factors += newfactors

    return factors

【讨论】:

  • +1,这是更好的解决方案之一,因为它表明您通过将乘积乘以每个新集合来获取 [r_0]、[r_1] 的笛卡尔积。
【解决方案4】:

是的。当你有一个算法需要 n 个嵌套的 for 循环时,你通常可以把它变成一个递归函数:

def print_factors(d, product=1):
    if len(d) == 0:      # Base case: we've dealt with all prime factors, so
        print product    # Just print the product
        return
    d2 = dict(d)         # Copy the dict because we don't want to modify it
    k,v = d2.popitem()   # Pick any k**v pair from it
    for i in range(v+1): # For all possible powers i of k from 0 to v (inclusive)
                         # Multiply the product by k**i and recurse.
        print_factors(d2, product*k**i)

d = {2:3, 3:2, 5:1}
print_factors(d)

【讨论】:

  • eeek。 O(nfactorfactordepth) 调用:O(nfactorfactordepth) 字典? :(
  • 是的;我有一个版本,但它更丑陋,在展示递归循环的一般思想时效果较差。
【解决方案5】:

基本上,您在这里拥有的是一个集合,由目标数的每个因素组成。在您的示例中,该集合为{2 2 2 3 3 5}。该集合的每个严格子集都是您的数字的一个因数的因式分解,因此如果您可以生成该集合的所有子集,则可以将每个子集的元素相乘并获得所有整数除数。

从那里代码应该很明显:生成一个包含分解的列表,生成该列表的所有子集(使用生成器的奖励点;我认为标准库中有一个相关的函数)。然后乘以从那里去。无论如何都不是最佳效率,但看起来很漂亮。

【讨论】:

    猜你喜欢
    • 2019-10-23
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2013-04-07
    • 2014-01-28
    相关资源
    最近更新 更多