Python二维列表复制方法与运行时间比较（deepcopy真的慢）

5种二维列表复制方案如下：

1.新建列表，逐个append复制原列表的各个元素。

2.使用深复制deepcopy。

3.使用二维列表推导式。

4.使用copy+一维列表推导式。

5.转换为numpy数组再转成列表。

对比各方案运行时间，代码如下：

import time
import copy
import random
import numpy as np

temp = [[random.random() for j in range(100)] for i in range(100)]
t0 = time.clock()
# 方案1：新建列表逐个元素复制
a = []
for i in range(len(temp)):
    a.append([])
    for j in range(len(temp[0])):
        a[i].append(temp[i][j])
t1 = time.clock()
# 方案2：使用深复制deepcopy
b = copy.deepcopy(temp)
t2 = time.clock()
# 方案3：使用列表推导式
c = [[temp[i][j] for j in range(len(temp[0]))] for i in range(len(temp))]
t3 = time.clock()
# 方案4：内层copy，外层列表推导式
d = [copy.copy(temp[i]) for i in range(len(temp))]
t4 = time.clock()
# 方案5：使用numpy
e = np.array(temp).tolist()
t5 = time.clock()
print('1.逐个元素复制时长：%f s'%(t1-t0))
print('2.deepcopy时长：%f s'%(t2-t1))
print('3.列表推导式时长：%f s'%(t3-t2))
print('4.内层copy外层推导时长：%f s'%(t4-t3))
print('5.使用numpy：%f s'%(t5-t4))

对比结果如下：

1.逐个元素复制时长：0.002243 s
2.deepcopy时长：0.007176 s
3.列表推导式时长：0.000769 s
4.内层copy外层推导时长：0.000118 s
5.使用numpy：0.000832 s

可以看出，deepcopy是真的慢，逐个复制也比较慢，使用列表推导式和numpy转换时间差不多，最快的是使用copy+一维列表推导式。