對Python中常用迭代方法進行計時

python是個好東西，但奈何時間不夠用啊，路上坐地鐵也未必有座兒，於是乎站著寫**的不只有那些比較潮流的辦公室有，我也是其中一員，不過我是在運動過程中寫**，需要兩腳站穩保持中立姿態，同時還要注意不能妨礙他人，嗯，總之是技術活兒，誰讓咱是技術人員呢。扯完廢話，把今天在路上寫的乙個python小檔案貼出來，用來對比python下各種迭代方法的耗時。因為比較簡單，所以直接貼出timerseqs.py檔案的**：

#!usrr/bin/env python
#file timerseqs.py
import time, sys
reps=1000
size=10000
def tester(func,*args):
starttime=time.time()
for i in range(reps):
func(*args)
elapsed=time.time()-starttime
return elapsed
#end def
def forstatement():
res=
for x in range(size):
#end def
def listcomprehension():
res=[abs(x) for x in range(size)]
#end def
def mapfunction():
res=map(abs,range(size))
#end def
def generatorexpression():
res=list(abs(x) for x in range(size))
#end def
print sys.version
tests=(forstatement,listcomprehension,mapfunction,generatorexpression)
for testfunc in tests:
print testfunc.__name__.ljust(20),'=>',tester(testfunc)

那麼測試的結果如下圖所示：

這個指令碼測試了所有構造結果列表可能的方法，每乙個都依次執行了一千萬步，也就是說，這四個測試分別建立了一千次結果列表，每個列表中又含有一萬個元素。在我的平板電腦上測試的結果，跟我在學習手冊上看到的略有出入，但是差距不是太離譜，執行結果顯示：列表解析大概比for迴圈語句快兩倍，而map在對映像abs這樣兒的內建函式時比列表解析要稍微快一些。

但是，當我們改變這段**的時候呢？如果我們在每個迭代中執行乙個真正的操作，例如，我們將**做如下改動，在迭代中新增乙個加法運算：

#!usrr/bin/env python
#file timerseqs.py
import time, sys
reps=1000
size=10000
def tester(func,*args):
starttime=time.time()
for i in range(reps):
func(*args)
elapsed=time.time()-starttime
return elapsed
#end def
def forstatement():
res=
for x in range(size):
#end def
def listcomprehension():
res=[x+10 for x in range(size)]
#end def
def mapfunction():
res=map(lambda x:x+10,range(size))
#end def
def generatorexpression():
res=list(x+10 for x in range(size))
#end def
print sys.version
tests=(forstatement,listcomprehension,mapfunction,generatorexpression)
for testfunc in tests:
print testfunc.__name__.ljust(20),'=>',tester(testfunc)

那麼，我們再來執行一下看下效果：

此時，map反而變得更慢，儘管可能for迴圈語句中**更多了。

從這個指令碼中，我們對python**的效能分析也有了初步的乙個了解，因為python的直譯器的優化是相當內在的，所以我們很難猜測出哪一種方法的效能是最佳的，但我們所能做到的就是使用python，計算**的執行時間。在這種情況下，我們所能確定的就是，對於目前的python，map呼叫中使用使用者定義的函式至少會導致map慢兩倍以上，而列表解析對這樣兒的運算處理最快。

同時還有一點，就是我們在編寫python**的時候，效能未必就是最優先考慮的，首先要為可讀性和簡潔性的標準而努力，如果有必要的話，之後再進行優化。

2023年05月03日，eric.tang 記

對Python中常用迭代方法進行計時

vue中常用的陣列迭代方法

Python中常用的內建方法

python中常用的內建方法

對Python中常用迭代方法進行計時

vue中常用的陣列迭代方法

Python中常用的內建方法

python中常用的內建方法

相關推薦