比较Python 2 和 Python 3 在对list进行循环的执行效率

本文对Python 2 和 Python 3 对集合-list进行循环时的执行效率进行比较

• 首先我定义了一个for_test函数，然后利用ipython的魔法函数 %timeit进行执行速度的测试
• %timeit会自动多次执行目标函数来获得一个更准确的结果。
• 在测试的过程，发现一个比较奇怪的问题，如果不进行赋值操作的话，单单逐个获取元素，并进行运算，Python 2 的效率高于 Python 3
• 如果加上一个赋值的操作，则Python 3 的效率高于 Python 2
• 但很奇怪的地方是如果我用 %time 来对函数进行一次测试，却发现Python 2 的效率却是高于 Python 3 的

---

用 %time 测试，只运行一次测试函数

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8
        container[i] = num
container = list(range(1000000))
%time for_test(container)

• Python 2

Wall time: 126 ms  # 多次运行的结果都是120-130 ms左右
Wall time: 129 ms
Wall time: 128 ms

• Python 3

Wall time: 191 ms # 多次运行均大于160ms，可以看出其效率低于Python 2 
Wall time: 176 ms
Wall time: 183 ms

用 %timeit 测试，多次运行测试函数

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8
        container[i] = num
container = list(range(1000000))
%timeit for_test(container)

• Python 2

10 loops, best of 3: 348 ms per loop # 可以发现相对于%time的测试结果显著

• Python 3

176 ms ± 5.96 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

如果测试函数只进行运算而不进行重新赋值，则结果会发生变化

%time

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8

container = list(range(1000000))
%time for_test(container)

• Python 2

Wall time: 98 ms
Wall time: 96 ms
Wall time: 97 ms

Pyhton 3

Wall time: 142 ms
Wall time: 138 ms
Wall time: 175 ms

---

%timeit

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8

container = list(range(1000000))
%timeit for_test(container)

• Pyhton 2

10 loops, best of 3: 96.7 ms per loop

• Python 3

145 ms ± 4.2 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

---

总结

我的猜测是 %timeit 在Python 2 和 3 中的运行机制可能不同导致得到的结果不一样