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
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
最新评论