考察python的执行效率,python在调用函数的时候,要考察其函数内部算法的效率,本文将利用python中timeit模块来测试一小段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参数是运行代码时需要的设置
timer参数是一个定时器函数,与平台有关
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,方法返回执行代码的平均耗时,一个float类型的秒数。
python列表类型不同操作的时间效率
python生成列表的常见形式有一下四种:
- 两个列表的相加
- 列表生成器
- 可迭代对象转化为列表
- 对空列表进行元素追加
对于以上四种形式,自定义四种函数实现
#对空列表进行元素追加
def test1():
li = []
for i in range(10000):
li.append(i)
def test2():
li = []
for i in range(10000):
li =li + [i]
def test3():
li = [i for i in range(10000)]
def test4():
li = list(range(10000))
def test5():
li = []
for i in range(10000):
li.extend([i])
from timeit import Timer
timer1 = Timer('test1()','from __main__ import test1')
print("append追加:",timer1.timeit(1000))
timer2 = Timer('test2()','from __main__ import test2')
print("求和:",timer2.timeit(1000))
timer3 = Timer('test3()','from __main__ import test3')
print("列表生成器:",timer3.timeit(1000))
timer4 = Timer('test4()','from __main__ import test4')
print("可迭代对象转化:",timer4.timeit(1000))
timer5 = Timer('test5()','from __main__ import test5')
print("extend:",timer5.timeit(1000))
结果
append追加: 0.6496986700076377
求和: 0.7470834940031637
列表生成器: 0.30637266401026864
可迭代对象转化: 0.14538886799709871
extend: 0.9688844589982182
元素追加(append和insert)
def t6():
li = []
for i in range(10000):
li.append(i) #尾部添加
def t7():
li = []
for i in range(10000):
li.insert(0,i)#头部添加
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
append: 0.6802220060053514
insert: 28.873230566998245
结果来看尾部添加的效率明显优于头部添加,这与python的列表数据存储方式决定的,后续写数据结构时将对此进行解答
同理,pop删除元素方式,从队头删除的效率要远远低于从队尾删除元素的效率。
list内置函数的时间复杂度
Operation | Big-O Efficiency |
---|---|
index x[] | O(1) |
index assignment | O(1) |
append() | O(1) |
pop() | O(1) |
pop(i) | O(n) |
insert | O(n) |
del operator | O(n) |
iteration | O(n) |
contains(in) | O(n) |
get slice[x:y] | O(k) |
del slice | O(n) |
set slice | O(n+k) |
reverse | O(n) |
concatename | O(k) |
sort | O(nlogn) |
multiply | O(nk) |
dict内置函数的时间复杂度
Operation | Big-O Efficiency |
---|---|
copy | O(n) |
get item | O(1) |
set item | O(1) |
delete item | O(1) |
iteration | O(n) |
contains(in) | O(1) |