-
选择合适的数据结构
考虑不同的应用场景,应选择不同的数据结构
比如在查找多于插入的场景中,考虑字典Dict是不是更适合;
因为在Python3中, 字典Dict 通过hash把key映射到hash table的不同位置(或者说不同的bucket中),
因此查找操作的复杂度为 O(1);而列表list对象实际是个数组,完成相同的查找需要遍历整个list,其复杂度为 O(n),
因此对成员的查找访问等操作字典要比 list 更快。集合Set 跟字典Dict比较类似,查找操作的复杂度为 O(1),因为其本质是一个建和值相同的dict,
不同点在于比较和插入的时候需要两步比较,第一步通过__hash__方法比较,不相同则写入,
如果是相同则进行第二步__eq__方法判断,如果还相同则丢弃,如果不同则写入。
这也是为什么下面的结果中set会比dict慢一点的原因。
import string
import time
import random if __name__ == '__main__':
# generate a list containing a-z, 26 characters
# 生成包含26个字母 的三种存储对象
array = [i for i in string.ascii_lowercase] # ['a', 'b', 'c', 'd', 'e', 'f'....
dictionary = dict.fromkeys(array, 1) # {'a': 1, 'b': 1, 'c': 1, 'd': 1....
bag = {i for i in string.ascii_lowercase} # {'q', 'v', 'u', 'y', 'z'... # set random seed
random.seed(666) # generate test data which contains some characters in alphabet and some special symbol
# 固定随机种子,生成10000000个随机数据, 一些事字母 一些特殊字符
test_data = random.choices([chr(i) for i in range(0, 123)], k=10000000)
count1, count2, count3 = 0, 0, 0
start = time.time() # 如果是字母 结果加一
for val in test_data:
count1 = count1 + 1 if val in array else count1 print(count1)
print("when using List, Execution Time: %.6f s." % (time.time() - start)) # 4.470003 s.
start = time.time() for val in test_data:
count2 = count2 + 1 if val in dictionary else count2 print(count2)
print("when using Dict Execution Time: %.6f s." % (time.time() - start)) # 1.020261 s.
start = time.time() for val in test_data:
count3 = count3 + 1 if val in bag else count3 print(count3)
print("when using Set Execution Time: %.6f s." % (time.time() - start)) # 1.045259 s. -
对循环的优化
基本原则是减少循环的次数 和 循环内的计算量; 此外除了逻辑层面的优化之外,
还要在代码实现上下功夫。 尽量使用列表解析(list comprehension),生成器(generator),
还有map,reduce操作; 而不是全员for循环import time
import random if __name__ == '__main__': # set random seed
random.seed(666)
start = time.time() length = 1000000
# generate test data which contains some characters in alphabet and some special symbol
# 固定随机种子,生成10000000个随机数据, 一些事字母 一些特殊字符
list_exp_result = [chr(random.randint(0, 123)) for _ in range(length)] print(len(list_exp_result))
print("when using list comprehension, Execution Time: %.6f s." % (time.time() - start)) # 1.195765 s.
start = time.time() for_exp_result = list()
for _ in range(length):
for_exp_result.append(chr(random.randint(0, 123))) print(len(for_exp_result))
print("when using normal for loop, Execution Time: %.6f s." % (time.time() - start)) # 1.306519 s.
start = time.time() map_exp_result = list(map(lambda v: random.randint(0, 123), range(length)))
print(len(map_exp_result))
print("when using map task, Execution Time: %.6f s." % (time.time() - start)) # 1.153902 s.更多详细探究,请移步[Python3]为什么map比for循环快
-
其他零碎小技巧
- 使用局部变量,避免"global" 关键字
- if done is not None 比语句 if done != None 更快
- 使用级联比较 "x < y < z" 而不是 "x < y and y < z"
- while 1 要比 while True 更快
- build in 函数通常较快,add(a,b) 要快于 a + b
- 复制列表时,使用:new_list = list(old_list)