对Python中常用迭代方法进行计时

Python是个好东西，但奈何时间不够用啊，路上坐地铁也未必有座儿，于是乎站着写代码的不只有那些比较潮流的办公室有，我也是其中一员，不过我是在运动过程中写代码，需要两脚站稳保持中立姿态，同时还要注意不能妨碍他人，嗯，总之是技术活儿，谁让咱是技术人员呢。扯完废话，把今天在路上写的一个Python小文件贴出来，用来对比Python下各种迭代方法的耗时。因为比较简单，所以直接贴出timerseqs.py文件的代码：

#!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):
		res.append(abs(x))
#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)
	

那么测试的结果如下图所示：

这个脚本测试了所有构造结果列表可能的方法，每一个都依次执行了一千万步，也就是说，这四个测试分别创建了一千次结果列表，每个列表中又含有一万个元素。在我的平板电脑上测试的结果，跟我在学习手册上看到的略有出入，但是差距不是太离谱，运行结果显示：列表解析大概比for循环语句快两倍，而map在映射像abs这样儿的内置函数时比列表解析要稍微快一些。

但是，当我们改变这段代码的时候呢？如果我们在每个迭代中执行一个真正的操作，例如，我们将代码做如下改动，在迭代中添加一个加法运算：

#!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):
		res.append(x+10)
#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)
	

那么，我们再来执行一下看下效果：

此时，map反而变得更慢，尽管可能for循环语句中代码更多了。

从这个脚本中，我们对Python代码的性能分析也有了初步的一个了解，因为Python的解释器的优化是相当内在的，所以我们很难猜测出哪一种方法的性能是最佳的，但我们所能做到的就是使用Python，计算代码的运行时间。在这种情况下，我们所能确定的就是，对于目前的Python，map调用中使用用户定义的函数至少会导致map慢两倍以上，而列表解析对这样儿的运算处理最快。

同时还有一点，就是我们在编写Python代码的时候，性能未必就是最优先考虑的，首先要为可读性和简洁性的标准而努力，如果有必要的话，之后再进行优化。

2013年05月03日，Eric.Tang 记