Python代码范例优化

Question

我一直在寻找在柯尔莫哥洛夫斯米尔诺夫测试的scipy.stats实施，看见下面的代码：

D = np.max([Dplus,Dmin]) 
if mode == 'asymp': 
    return D, distributions.kstwobign.sf(D*np.sqrt(N)) 
if mode == 'approx': 
    pval_two = distributions.kstwobign.sf(D*np.sqrt(N)) 
    if N > 2666 or pval_two > 0.80 - N*0.3/1000.0 : 
     return D, distributions.kstwobign.sf(D*np.sqrt(N)) 
    else: 
     return D, distributions.ksone.sf(D,N)*2 

我认为这将是更好地做到这一点，如下所示：

D = np.max([Dplus,Dmin]) 
pval_two = distributions.kstwobign.sf(D*np.sqrt(N)) 
if mode == 'asymp': 
    return D, pval_two 
if mode == 'approx': 
    if N > 2666 or pval_two > 0.80 - N*0.3/1000.0 : 
     return D, pval_two 
    else: 
     return D, distributions.ksone.sf(D,N)*2 

我不落实节省了昂贵的生存分布函数的调用，我觉得是更清晰一点，以及...

但我不是一个Python专家，scipy是一个非常深思熟虑的库（或者至少对我来说似乎是这样）。那么你能否解释为什么图书馆以第一种方式做到了？

Answer 1

我不落实节省了昂贵的生存分布函数的调用，我觉得是和

不，它不需要一个更清晰一点。 distributions.kstwobign.sf(D*np.sqrt(N))被称为曾经。看看三个可能的分支。它只会在任何给定的分支中执行一次。

if mode == 'asymp': 
    return D, distributions.kstwobign.sf(D*np.sqrt(N)) 

或

if mode == 'approx': 
    pval_two = distributions.kstwobign.sf(D*np.sqrt(N)) 
    if N > 2666 or pval_two > 0.80 - N*0.3/1000.0 : 
     return D, distributions.kstwobign.sf(D*np.sqrt(N)) 

或

if mode == 'approx': 
    pval_two = distributions.kstwobign.sf(D*np.sqrt(N)) 
    # not the previous if case 
    else: 
     return D, distributions.ksone.sf(D,N)*2