python性能测试方法_Python内置数据类型list各方法的性能测试

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 importTimerdeftest_list():

lst= list(range(1000))deftest_generation():

lst= [i for i in range(1000)]deftest_append():

lst=[]for i in range(1000):

lst.append(i)deftest_add():

lst=[]for i in range(1000):

lst+=[i]#在列表的头部insert

deftest_insert_zero():

lst=[]for i in range(1000):

lst.insert(0,i)#在列表的尾部insert

deftest_insert_end():

lst=[]for i in range(1000):

lst.insert(-1,i)deftest_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：

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 importTimerdeftest_pop_zero():

lst= list(range(2000))for i in range(2000):

lst.pop(0)deftest_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 0.5015365449999081seconds

test_pop_end takes0.22170215499954793 seconds

然后我们来试试Linux系统中的执行结果：

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：

deftest_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]

～～～