Python内置数据类型list各方法的性能测试过程解析
这篇文章主要介绍了Python内置数据类型list各方法的性能测试过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
测试环境
本文所涉及的代码均在MacOS系统与CentOS7下测试，使用的Python版本为3.6.8。
测试模块
测试用的模块是Python内置的timeit模块：
timeit模块可以用来测试一小段Python代码的执行速度。
Timer类
class timeit.Timer(stmt='pass', setup='pass', timer=<timer function>)
Timer是测量小段代码执行速度的类。
stmt参数是要测试的代码语句（statment）；
setup参数是运行代码时需要的设置；
timer参数是一个定时器函数，与平台有关。
Timer类的timeit方法
timeit.Timer.timeit(number=1000000)
Timer类中测试语句执行速度的对象方法。number参数是测试代码时的测试次数，默认为1000000次。方法返回执行代码的平均耗时，一个float类型的秒数。
列表内置方法的性能测试
我们知道，生成一个列表可以使用列表生成式或者append、insert、extend这些方法，现在我们来看一下这些方法的执行效率：
from timeit import Timer
def test_list():
lst = list(range(1000))
def test_generation():
lst = [i for i in range(1000)]
def test_append():
lst = []
for i in range(1000):
lst.append(i)
def test_add():
lst = []
for i in range(1000):
lst += [i]
# 在列表的头部insert
def test_insert_zero():
lst = []
for i in range(1000):
lst.insert(0,i)
# 在列表的尾部insert
def test_insert_end():
lst = []
for i in range(1000):
lst.insert(-1,i)
def test_extend():
lst = []
lst.extend(list(range(1000)))
t1 = Timer("test_list()","from __main__ import test_list")
print(f"test_list takes {t1.timeit(number=1000)} seconds")
t2 = Timer("test_generation()","from __main__ import test_generation")
print(f"test_generation takes {t2.timeit(number=1000)} seconds")
t3 = Timer("test_append()","from __main__ import test_append")
print(f"test_append takes {t3.timeit(number=1000)} seconds")
t4 = Timer("test_add()","from __main__ import test_add")
print(f"test_add takes {t4.timeit(number=1000)} seconds")
t5 = Timer("test_insert_zero()","from __main__ import test_insert_zero")
print(f"test_insert_zero takes {t5.timeit(number=1000)} seconds")
t6 = Timer("test_insert_end()","from __main__ import test_insert_end")
print(f"test_insert_end takes {t6.timeit(number=1000)} seconds")
t7 = Timer("test_extend()","from __main__ import test_extend")
print(f"test_extend takes {t7.timeit(number=1000)} seconds")
我们先看看在MacOS系统下，执行上面这段代码的结果：
""" test_list takes 0.012904746999993222 seconds test_generation takes 0.03530399600003875 seconds test_append takes 0.0865129750000051 seconds test_add takes 0.08066114099983679 seconds test_insert_zero takes 0.30594958500023495 seconds test_insert_end takes 0.1522782449992519 seconds test_extend takes 0.017534753999825625 seconds """
我们可以看到：直接使用list方法强转的效率最高，其次是使用列表生成式，而append与直接加的方式紧随其后并且二者的效率相当；insert方法的执行效率最低——并且从头插入的效率要低于从尾部插入的效率！最后我们将强转的列表使用extend方法放入到新的列表中的过程效率并没有减少多少。
然后试试在Linux系统下的执行结果：
列表pop方法的性能测试
pop可以从第0各位置删除元素，也可以从最后位置删除元素（默认删除最后面的元素），现在我们来测试一下两种从不同位置删除元素的性能对比：
from timeit import Timer
def test_pop_zero():
lst = list(range(2000))
for i in range(2000):
lst.pop(0)
def test_pop_end():
lst = list(range(2000))
for i in range(2000):
lst.pop()
t1 = Timer("test_pop_zero()","from __main__ import test_pop_zero")
print(f"test_pop_zero takes {t1.timeit(number=1000)} seconds")
t2 = Timer("test_pop_end()","from __main__ import test_pop_end")
print(f"test_pop_end takes {t2.timeit(number=1000)} seconds")
在MacOS下程序的执行结果为：
test_pop_zero takes 0.5015365449999081 seconds test_pop_end takes 0.22170215499954793 seconds
然后我们来试试Linux系统中的执行结果：
可以看到：从列表的尾部删除元素的效率要比从头部删除的效率高很多！
关于列表insert方法的一个小坑
如果想使用insert方法生成一个列表[0,1,2,3,4,5]的话（当然使用insert方法效率会低很多，建议使用其他的方法）会有一个这样的问题，在此记录一下：
def test_insert():
lst = []
for i in range(6):
lst.insert(-1,i)
print(lst)
test_insert()
结果竟然是这样的——第一个元素竟然一直在最后！
[0] [1, 0] [1, 2, 0] [1, 2, 3, 0] [1, 2, 3, 4, 0] [1, 2, 3, 4, 5, 0]
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了使用Python自动生成HTML的方法示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
朋友圈许多小伙伴都在发：请给我一面五星红旗的动态，这篇文章就主要教大家如何使用python画中国国旗，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-09-09
python操作csv格式文件之csv.DictReader()方法
这篇文章主要介绍了python操作csv格式文件之csv.DictReader()方法，文章围绕主题展开详细的内容介绍，具有一定的参考价值，感兴趣的小伙伴可以参考一下2022-06-06
这篇文章主要介绍了Python实现账号密码输错三次即锁定功能,结合实例形式分析了Python文件读取、流程控制、数据判断等相关操作技巧,需要的朋友可以参考下2019-03-03
详解程序意外中断自动重启shell脚本（以Python为例）
这篇文章主要介绍了详解程序意外中断自动重启shell脚本（以Python为例），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
这篇文章主要介绍了Python基于二分查找实现求整数平方根的方法,涉及Python的二分查找算法与数学运算相关技巧,需要的朋友可以参考下2016-05-05
下面小编就为大家带来一篇浅谈python函数之作用域(python3.5)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-10-10
俗话说得好，这所谓放鞭炮就是来压邪祟，除恶的，但是近几年来都不让放炮了，这篇文章主要介绍了Python来绘制1000响大地红鞭炮动态效果2023-01-01
在日常开发工作中，经常会遇到这样的一个问题：要对数据中的某个字段进行匹配，但这个字段有可能会有微小的差异。本文将分享一个简单易用的模糊字符串匹配工具包：FuzzyWuzzy，让你轻松解决烦恼的匹配问题2022-04-04
这篇文章主要介绍了Python使用百度翻译开发平台实现英文翻译为中文功能,结合实例形式分析了Python使用request请求与百度翻译API接口交互实现翻译功能相关操作技巧,需要的朋友可以参考下2019-08-08
最新评论