数据结构与算法之python内置类型性能分析

最新推荐文章于 2022-08-20 10:00:00 发布

weixin_44953902

最新推荐文章于 2022-08-20 10:00:00 发布

阅读量183

点赞数

分类专栏： python数据结构与算法文章标签：数据结构与算法 python python内置性能分析 Timer

本文链接：https://blog.csdn.net/weixin_44953902/article/details/96874654

版权

python数据结构与算法专栏收录该内容

41 篇文章 1 订阅

订阅专栏

python内置类型性能分析

timeit模块

timeit模块可以用来测试一小段Python代码的执行速度。

class timeit.Timer(stmt='pass',setup='pass',timer=<timer function>)
      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参数是运行代码是需要的设置；
      timer参数是一个定时器函数，与平台无关。
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。

list的操作测试

from timeit import Timer

def t1():
    li = []
    for i in range (10000):
        li.append(i)  #append只能添加一个单个元素

def t2():
    li=[]
    for i in range(10000):
        li = li + [i]
def t3():
    li = [i for i in range(10000)]

def t4():
    li = list(range(10000))

def t5():
    li =[]
    for i in range(10000):
        li.extend([i])#extend可以添加一个列表

timer1 = Timer("t1()","from __main__ import t1")
print("append:",timer1.timeit(1000))

timer2 = Timer("t2()","from __main__ import t2")
print("+:",timer2.timeit(1000))

timer3 = Timer("t3()","from __main__ import t3")
print("i for i in range:",timer3.timeit(1000))

timer4 = Timer("t4()","from __main__ import t4")
print("list(range()):",timer4.timeit(1000))

timer5 = Timer("t5()","from __main__ import t5")
print("extend:",timer5.timeit(1000))

结果：
在这里插入图片描述

insert和append

两者都是对python内的列表进行操作，append()方法是值在列表的末尾增加一个数据项，insert()方法是指在某个特定位置前加一个数据项。
通过timeit模块对这两种操作进行比较：

from timeit import Timer
def t6():
    li = []
    for i in range (10000):
        li.append(i)  #append只能添加一个单个元素

def t7():
    li=[]
    for i in range(10000):
        li.insert(0,i)

timer6 = Timer("t6()","from __main__ import t6")
print("append:",timer6.timeit(1000))
timer7 = Timer("t7()","from __main__ import t7")
print("insert:",timer7.timeit(1000))

结果：
在这里插入图片描述
      可以看出，通过insert方法添加数据是非常慢的。
      原因如下：Python内的list实现是通过数组实现的，而不是链表的形式。
      因此insert()操作的具体流程是：分配的空间足够大时，首先将插入未知之后的元素向后移动相应的位置，然后插入元素，算法的时间复杂度为O(n)。
      执行append()操作的具体流程是：分配的空间足够大时，直接将元素插入到最后，因此算法的时间复杂度为O(1)。
      如果分配的内存不够，则需要开辟一段新的内存空间将已有的数据复制过去，在进行相应的操作。
      在建立空表（或者很小的表）时，系统分配一块能容纳8个元素的存储区；在执行插入操作（insert或append等）时，如果元素区满就换一块4倍大的存储区。但是当时的表已经“很大”是一个实现确定的参数，目标值是50000。引入后一个策略是为了避免出现过多空闲的存储位置。
更多关于python中list的基本实现技术可查看：https://blog.csdn.net/weixin_44953902/article/details/96969579

pop操作测试

x = list(range(2000000))
pop_zero = Timer("x.pop(0)","from __main__ import x")
print("pop_zero:",pop_zero.timeit(10000))

在这里插入图片描述

x = list(range(2000000))
pop_end = Timer("x.pop()","from __main__ import x")
print("pop_end:",pop_end.timeit(10000))

在这里插入图片描述
测试pop操作：从结果可以看出，pop最后一个元素的效率远远高于pop第一个元素

list和dict不能算作基本数据类型，它只是python封装好的。对于计算机所能使用的基本类型不包括lis和dict。

list内置操作的时间复杂度

操作	时间复杂度	含义
index x[]	O(1)	通过地址索引来取值
index assignment	O(1)	通过地址索引来进行赋值
append	O(1)	在列表的后面追加元素
pop()	O(1)	不加参数，表示从尾部往外弹出
pop(i)	O(n)	从指定位置弹出
insert(i,item)	O(n)	在指定位置插入元素
del opertor	O(n)	删除列表中的所有元素，并且是一个一个的删
interation	O(n)	迭代
contains(in)	O(n)	某元素是否在列表当中，必须遍历列表中的所有元素
get slice[x:y]	O(k)	切片操作：k=y-x
del slice	O(n)	删除切片操作，删除切片之后，要将后面部分的元素往前移动
set slice	O(n+k)	更改切片，首先删除原列表切片中的数值O(n),再添加k个元素
extend([])	O(k)	添加列表中的到列表中
reverse	O(n)	逆置
concatenate	O(k)	将两个列表加在一起，k代表第二个列表元素的个数
sort	O(nlog(n))	排序
multiply	O(nk)	列表的乘法

dict内置操作的时间复杂度

操作	时间复杂度	含义
copy	O(n)	复制字典：将字典中的所有元素复制一份
get item	O(1)	取字典中的某个键和值
set item	O(1)	重置字典中的某个键和值
delete item	O(1)	删除字典中的某个键和值
contains(in)	O(1)	某键和值是否在字典当中
interation	O(n)	迭代