python最小的浮点数_在python lis中找到最小浮点数的最有效方法

首先，如果您关心Python中的性能(这并不总是一件值得关注的事情，但这是另一个对话)，那么您应该使用timeit module。即使在C语言中，也很难预测某些函数在编译后的行为，而在Python中更难预测。人们常常自信地表达自己的观点，即哪些功能更快，哪些依赖于数据。然后——我的意思是，用时间——你就可以发现你自己了。

其次，如果您真正关心浮动列表的性能，那么您根本不应该使用列表，而应该使用numpy数组。在Python2.7.2下使用IPython，这使得计时变得简单：In [41]: import random, numpy

In [42]: a = [0.1*i for i in range(10**5)]

In [43]: timeit min(a)

100 loops, best of 3: 4.55 ms per loop

In [44]: timeit sorted(a)[0]

100 loops, best of 3: 4.57 ms per loop

In [45]: random.shuffle(a)

In [46]: timeit min(a)

100 loops, best of 3: 6.06 ms per loop

In [47]: timeit min(a) # to make sure it wasn't a fluke

100 loops, best of 3: 6.07 ms per loop

In [48]: timeit sorted(a)[0]

10 loops, best of 3: 65.9 ms per loop

In [49]: b = numpy.array(a)

In [50]: timeit b.min()

10000 loops, best of 3: 97.5 us per loop

我们注意到一些事情。(1) Python的sort(timsort)在已排序运行的数据上工作得非常好，因此对已排序的列表进行排序几乎没有任何惩罚。(2) 另一方面，对随机列表进行排序要慢得多，而且这只会随着数据的增大而变得更糟。(3) float数组中的Numpy.min()比Python列表中的min快60倍，因为它不必是一般的。