最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
问答文章1 问答文章501 问答文章1001 问答文章1501 问答文章2001 问答文章2501 问答文章3001 问答文章3501 问答文章4001 问答文章4501 问答文章5001 问答文章5501 问答文章6001 问答文章6501 问答文章7001 问答文章7501 问答文章8001 问答文章8501 问答文章9001 问答文章9501
当前位置: 首页 - 科技 - 知识百科 - 正文

Pythonwhile、for、生成器、列表推导等语句的执行效率测试

来源:懂视网 责编:小采 时间:2020-11-27 14:41:10
文档

Pythonwhile、for、生成器、列表推导等语句的执行效率测试

Pythonwhile、for、生成器、列表推导等语句的执行效率测试:一个功能的实现,可以用多种语句来实现,比如说:while语句、for语句、生成器、列表推导、内置函数等实现,然而他们的效率并不一样。写了一个小程序来测试它们执行的效率。 测试内容: 将一个数字大小为20万的数字,依次取绝对值,放到列表中,测试重复1千次
推荐度:
导读Pythonwhile、for、生成器、列表推导等语句的执行效率测试:一个功能的实现,可以用多种语句来实现,比如说:while语句、for语句、生成器、列表推导、内置函数等实现,然而他们的效率并不一样。写了一个小程序来测试它们执行的效率。 测试内容: 将一个数字大小为20万的数字,依次取绝对值,放到列表中,测试重复1千次

一个功能的实现,可以用多种语句来实现,比如说:while语句、for语句、生成器、列表推导、内置函数等实现,然而他们的效率并不一样。写了一个小程序来测试它们执行的效率。

测试内容:
将一个数字大小为20万的数字,依次取绝对值,放到列表中,测试重复1千次.
测试程序:

代码如下:


import time,sys
reps = 1000 #测试重复次数
nums = 200000 #测试时数字大小


def tester(func,*args): #总体测试函数
startTime = time.time()
for i in range(reps):
func(*args)
elapsed = time.time() - startTime #用time模块来测试,结束时间与开始时间差
return elapsed

def while_Statement(): #while循环实现
res = []
x = 0
while nums > x:
x += 1
res.append(abs(x))

def for_Statement(): #for循环实现
res = []
for x in range(nums):
res.append(abs(x))

def generator_Expression():#生成器实现
res = list(abs(x) for x in range(nums))

def list_Comprehension(): #列表解析实现
res = [abs(x) for x in range(nums)]


def map_Function(): #内置函数map实现
res = map(abs, range(nums))


print sys.version #打印系统版本
tests = [while_Statement, for_Statement, generator_Expression, list_Comprehension, map_Function]
for testfunc in tests: #将待测函数放置列表中依次遍历
print testfunc.__name__.ljust(20),': ',tester(testfunc) #

测试结果:

代码如下:


>>>
2.7.4 (default, Apr 6 2013, 19:55:15) [MSC v.1500 64 bit (AMD64)]
while_Statement : 84.5769999027
for_Statement : 75.2709999084
generator_Expression : 62.3519999981
list_Comprehension : 60.4090001583
map_Function : 47.5629999638


改写程序:

代码如下:


import sys
nums = 100

def while_Statement():
res = []
x = 0
while nums > x:
x += 1
res.append(abs(x))

def for_Statement():
res = []
for x in range(nums):
res.append(abs(x))

def generator_Expression():
res = list(abs(x) for x in range(nums))

def list_Comprehension():
res = [abs(x) for x in range(nums)]


def map_Function():
res = map(abs, range(nums))

if __name__=='__main__':
import timeit #用timeit模块来测试
print sys.version
funcs = [while_Statement, for_Statement, generator_Expression, list_Comprehension, map_Function]
for func in funcs:
print func.__name__.ljust(20),': ',timeit.timeit("func()", setup="from __main__ import func")

测试结果:

代码如下:


>>>
2.7.4 (default, Apr 6 2013, 19:55:15) [MSC v.1500 64 bit (AMD64)]
while_Statement : 37.1800067428
for_Statement : 30.3999109329
generator_Expression : 27.2597866441
list_Comprehension : 17.386223449
map_Function : 12.7386868963


测试分析:

用time模块,和timeit模块两种测试方式测试了很多组数字,得出的结果是执行内置函数最快,其次就是列表推导,再其次生成器和for循环,while循环最慢。一般最快的使用内置函数的方法要比使用最慢的while快两倍以上。简单分析下原因:内置函数比如说map,filter,reduce(在Python3.0中移除)基本上都是用C语言来实现的,所以速度是最快的,列表推导内的迭代在解释器内是以C语言的速度运行的(一般是for循环的两倍,对大型文件操作而言,用列表推导效果尤其明显),相比较for循环代码是在PVM步进运行要快的多。但for循环里面含range(),相对速度也会快些,while语句是纯粹用Python代码写成,所以速度最慢。所以函数式编程最好使用内置函数,然后才考虑使用列表推导或for循环。最好不用while循环.

声明:本网页内容旨在传播知识,若有侵权等问题请及时与本网联系,我们将在第一时间删除处理。TEL:177 7030 7066 E-MAIL:11247931@qq.com

文档

Pythonwhile、for、生成器、列表推导等语句的执行效率测试

Pythonwhile、for、生成器、列表推导等语句的执行效率测试:一个功能的实现,可以用多种语句来实现,比如说:while语句、for语句、生成器、列表推导、内置函数等实现,然而他们的效率并不一样。写了一个小程序来测试它们执行的效率。 测试内容: 将一个数字大小为20万的数字,依次取绝对值,放到列表中,测试重复1千次
推荐度:
标签: 生成器 语句 for
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top