Python内置数据类型list各方法的性能测试过程解析


Posted in Python onJanuary 07, 2020

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:

Python内置数据类型list各方法的性能测试过程解析

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:

Python内置数据类型list各方法的性能测试过程解析

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三水点靠木。

Python 相关文章推荐
Python使用scrapy采集时伪装成HTTP/1.1的方法
Apr 08 Python
Python函数返回值实例分析
Jun 08 Python
使用Python的Twisted框架构建非阻塞下载程序的实例教程
May 25 Python
详解python异步编程之asyncio(百万并发)
Jul 07 Python
Python字符串匹配之6种方法的使用详解
Apr 08 Python
python提取log文件内容并画出图表
Jul 08 Python
python中dict()的高级用法实现
Nov 13 Python
python GUI库图形界面开发之PyQt5菜单栏控件QMenuBar的详细使用方法与实例
Feb 28 Python
AUC计算方法与Python实现代码
Feb 28 Python
python爬虫开发之urllib模块详细使用方法与实例全解
Mar 09 Python
BeautifulSoup中find和find_all的使用详解
Dec 07 Python
Python爬虫定时计划任务的几种常见方法(推荐)
Jan 15 Python
python模拟实现斗地主发牌
Jan 07 #Python
python全局变量引用与修改过程解析
Jan 07 #Python
python__new__内置静态方法使用解析
Jan 07 #Python
Python常用模块sys,os,time,random功能与用法实例分析
Jan 07 #Python
python单例设计模式实现解析
Jan 07 #Python
Python字典生成式、集合生成式、生成器用法实例分析
Jan 07 #Python
linux环境下安装python虚拟环境及注意事项
Jan 07 #Python
You might like
浅谈PHP 闭包特性在实际应用中的问题
2009/10/30 PHP
mac环境中使用brew安装php5.5.15
2014/08/18 PHP
PHP中创建和验证哈希的简单方法实探
2015/07/06 PHP
PHP与JavaScript针对Cookie的读写、交互操作方法详解
2017/08/07 PHP
实例讲解PHP表单验证功能
2019/02/15 PHP
tp5框架的增删改查操作示例
2019/10/31 PHP
javascript 触发事件列表 比较不错
2009/09/03 Javascript
jquery里的each使用方法详解
2010/12/22 Javascript
window.returnValue使用方法示例介绍
2014/07/03 Javascript
node.js中的http.get方法使用说明
2014/12/14 Javascript
JavaScript获取Url里的参数
2014/12/18 Javascript
jQuery simplePage+AJAX plus分页插件用法实例
2016/02/17 Javascript
jquery select插件异步实时搜索实例代码
2017/10/20 jQuery
完美解决手机浏览器顶部下拉出现网页源或刷新的问题
2017/11/30 Javascript
小程序从手动埋点到自动埋点的实现方法
2019/01/24 Javascript
Node.js之删除文件夹(含递归删除)代码实例
2019/09/09 Javascript
JS实现旋转木马轮播图
2020/01/01 Javascript
[34:39]Secret vs VG 2018国际邀请赛淘汰赛BO3 第二场 8.23
2018/08/24 DOTA
简单文件操作python 修改文件指定行的方法
2013/05/15 Python
Python中编写ORM框架的入门指引
2015/04/29 Python
Python使用email模块对邮件进行编码和解码的实例教程
2016/07/01 Python
Python 类的继承实例详解
2017/03/25 Python
使用Python+Splinter自动刷新抢12306火车票
2018/01/03 Python
python 3.6.5 安装配置方法图文教程
2018/09/18 Python
Python中常用的内置方法
2019/01/28 Python
Python 用三行代码提取PDF表格数据
2019/10/13 Python
python中pickle模块浅析
2020/12/29 Python
美国中小型企业领先的办公家具供应商:Office Designs
2016/11/26 全球购物
应届生船舶驾驶求职信
2013/10/19 职场文书
临床医师专业个人自我评价范文
2013/11/07 职场文书
重阳节登山活动方案
2014/02/03 职场文书
文明倡议书范文
2014/04/15 职场文书
第一批党的群众路线教育实践活动总结报告
2014/07/03 职场文书
房地产端午节活动方案
2014/08/24 职场文书
2014年四风问题个人对照自查剖析材料
2014/09/15 职场文书
python APScheduler执行定时任务介绍
2022/04/19 Python