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]
~~~