性能优化实战-逻辑运算and和or优化

性能优化实战-逻辑运算and和or优化

依据

逻辑运算中，and，也就是”与“，代表必须所有条件为真，结果才为真，也可以理解为，只要有一个条件为假，结果就为假。

逻辑运算中，or，也就是“或”，代表只要有一个条件为真，结果即为真。

利用这两个特性，我们在编程中，可以进行时间复杂度优化。

如何优化？

答案是，将时间复杂度较低的操作，放在逻辑运算符的最左边。

原因：

只要and表达式第一个结果为假，则后面的操作则略过；

只要or表达式第一个结果为真，则后面的操作也略过。

来看代码例子

没有经过优化的代码：

import timeit

def find_member(arg_arr):
    dist_arr = ["Jan.", "Feb.", "Mar.", "Apr.", "May.", "June.", "July.", "Aug.", "Sept.", "Oct.", "Nov.", "Dec."]

    for i in arg_arr:  # 循环遍历元素，时间复杂度为O(n)
        if i in dist_arr:  # 每个元素都要做一次成员判断，时间复杂度为O(n)，有N个元素，则总的时间复杂度为O(n^2)
            print("找到成员", i)


if __name__ == "__main__":
    my_arr = ["a", "b", "c", "Jan", "June.", "Oct."]
    start = timeit.default_timer()
    find_member(my_arr)
    print("%0.9fs" % (timeit.default_timer() - start))
    
    输出：
    找到成员 June.
    找到成员 Oct.
    0.000042272s

经过优化的代码：

import timeit

def find_member(arg_arr):
    dist_arr = ["Jan.", "Feb.", "Mar.", "Apr.", "May.", "June.", "July.", "Aug.", "Sept.", "Oct.", "Nov.", "Dec."]

    for i in arg_arr:  # 循环遍历元素，时间复杂度为O(n)
        # if i in dist_arr:
        if i[-1] == "." and i in dist_arr:  # 首先做下标取值和判断操作，时间复杂度为O(1)，如果结果为假，则后面的成员判断操作O(n)则略过。总的时间复杂度小于O(n^2)。
            print("找到成员", i)


if __name__ == "__main__":
    my_arr = ["a", "b", "c", "Jan", "June.", "Oct."]
    start = timeit.default_timer()
    find_member(my_arr)
    print("%0.9fs" % (timeit.default_timer() - start))
    
    输出：
    找到成员 June.
    找到成员 Oct.
    0.000018173s

结语

这里只是举例，数据体量并不大，看到的时间优化提升比较小，但是，线上高并发系统加上庞大的数据体量，这个提升，就是显而易见的。