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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
|
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:
1
2
3
4
5
6
7
8
9
|
"""
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:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
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:
1
2
3
|
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:
1
2
3
4
5
6
7
|
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!
1
2
3
4
5
6
|
[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服务器之家。
原文链接:https://www.cnblogs.com/paulwhw/p/12150685.html