Python內建資料型別list各方法的效能測試過程解析
這篇文章主要介紹了Python內建資料型別list各方法的效能測試過程解析,文中通過示例程式碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
測試環境
本文所涉及的程式碼均在MacOS系統與CentOS7下測試,使用的Python版本為3.6.8。
測試模組
測試用的模組是Python內建的timeit模組:
timeit模組可以用來測試一小段Python程式碼的執行速度。
Timer類
class timeit.Timer(stmt='pass',setup='pass',timer=<timer function>)
Timer是測量小段程式碼執行速度的類。
stmt引數是要測試的程式碼語句(statment);
setup引數是執行程式碼時需要的設定;
timer引數是一個定時器函式,與平臺有關。
Timer類的timeit方法
timeit.Timer.timeit(number=1000000)
Timer類中測試語句執行速度的物件方法。number引數是測試程式碼時的測試次數,預設為1000000次。方法返回執行程式碼的平均耗時,一個float型別的秒數。
列表內建方法的效能測試
我們知道,生成一個列表可以使用列表生成式或者append、insert、extend這些方法,現在我們來看一下這些方法的執行效率:
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] # 在列表的頭部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")
我們先看看在MacOS系統下,執行上面這段程式碼的結果:
""" 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 """
我們可以看到:直接使用list方法強轉的效率最高,其次是使用列表生成式,而append與直接加的方式緊隨其後並且二者的效率相當;insert方法的執行效率最低——並且從頭插入的效率要低於從尾部插入的效率!最後我們將強轉的列表使用extend方法放入到新的列表中的過程效率並沒有減少多少。
然後試試在Linux系統下的執行結果:
列表pop方法的效能測試
pop可以從第0各位置刪除元素,也可以從最後位置刪除元素(預設刪除最後面的元素),現在我們來測試一下兩種從不同位置刪除元素的效能對比:
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下程式的執行結果為:
test_pop_zero takes 0.5015365449999081 seconds test_pop_end takes 0.22170215499954793 seconds
然後我們來試試Linux系統中的執行結果:
可以看到:從列表的尾部刪除元素的效率要比從頭部刪除的效率高很多!
關於列表insert方法的一個小坑
如果想使用insert方法生成一個列表[0,1,2,3,4,5]的話(當然使用insert方法效率會低很多,建議使用其他的方法)會有一個這樣的問題,在此記錄一下:
def test_insert(): lst = [] for i in range(6): lst.insert(-1,i) print(lst) test_insert()
結果竟然是這樣的——第一個元素竟然一直在最後!
[0] [1,0] [1,5,0]
以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支援我們。