Python 和 C++ 下字符串查找速度对比，你觉得Python适合算法竞赛吗

Posted 2023-05-01

参考技术A

一位同学最近在备战一场算法竞赛，语言误选了 Python ，无奈只能着手对常见场景进行语言迁移。而字符串查找的场景在算法竞赛中时有出现。本文即对此场景在 Python 和竞赛常用语言 C++ 下的速度进行对比，并提供相关参数和运行结果供他人参考。

本次实测设置两个场景：场景 1 的源串字符分布使用伪随机数生成器生成，表示字符串查找的平均情况；场景 2 的源串可连续分割成 20,000 个长度为 50 的字符片段，其中第 15,001 个即为模式串，形如“ab…b”（1 个“a”，49 个 “b”），其余的字符片段形如“ab…c”（1 个“a”，48 个“b”，1 个“c”）。

本次实测中，Python 语言使用内置类型 str 的 .find() 成员函数，C++ 语言分别使用 string 类的 .find() 成员函数、 strstr 标准库函数和用户实现的 KMP 算法。

IPython 的 %timeit 魔法命令可以输出代码多次执行的平均时间和标准差，在此取平均时间。C++ 的代码对每个模式串固定运行 1,000 次后取平均时间。

以下时间若无特别说明，均以微秒为单位，保留到整数位。

* 原输出为“2.63 ms”。IPython 的 %timeit 输出的均值保留 3 位有效数字，由于此时间已超过 1 毫秒，微秒位被舍弃。此处仍以微秒作单位，数值记为“2630”。

本次实测时使用的设备硬件上劣于算法竞赛中的标准配置机器，实测结果中的“绝对数值”参考性较低。

根据上表中的结果，在给定环境和相关参数条件下，场景 1 中 Python 的运行时间大约为 C++ 中 string::find 的五分之一，与 std:strstr 接近；而在场景 2 中 Python 的运行时间明显增长，但 C++ 的前两种测试方法的运行时间与先前接近甚至更短。四次测试中，C++ 的用户实现的 KMP 算法运行时间均较长，长于同条件下 Python 的情况。

Python 中的内置类型 str 的快速查找（ .find() ）和计数（ .count() ）算法基于 Boyer-Moore 算法 和 Horspool 算法 的混合，其中后者是前者的简化，而前者与 Knuth-Morris-Pratt 算法 有关。

有关 C++ 的 string::find 比 std::strstr 运行时间长的相关情况，参见 Bug 66414 - string::find ten times slower than strstr 。

Why do you think strstr should be slower than all the others? Do you know what algorithm strstr uses? I think it\'s quite likely that strstr uses a fine-tuned, processor-specific, assembly-coded algorithm of the KMP type or better. In which case you don\'t stand a chance of out-performing it in C for such small benchmarks.

KMP 算法并非是所有线性复杂度算法中最快的。在不同的环境（软硬件、测试数据等）下，KMP 与其变种乃至其他线性复杂度算法，孰优孰劣都无法判断。编译器在设计时考虑到诸多可能的因素，尽可能使不同环境下都能有相对较优的策略来得到结果。因而，在保证结果正确的情况下，与其根据算法原理自行编写，不如直接使用标准库中提供的函数。

同时本次实测也在运行时间角度再次印证 Python 并不适合在算法竞赛中取得高成绩的说法，你们觉得呢？平仑区留下你的看法。

C++拾趣——STL容器的插入删除遍历和查找操作性能对比（ubuntu g++）——删除

        相关环境和说明在《C++拾趣——STL容器的插入、删除、遍历和查找操作性能对比（ubuntu g++）——插入》已给出。本文将分析从头部、中间和尾部对各个容器进行删除的性能。（转载请指明出于breaksoftware的csdn博客）

删除

头部删除

元素个数>15000

erase_begin_16384_highest

        vector容器性能最差。由于它和其他容器性能差距比较大，我们将其从图中去除。

erase_begin_16384

        除了set表现不好之外，其他容器都差不多。其中表现最好的是list和forward_list。

元素个数<4096

erase_begin_4096

        由于vector持续的表现的最差，我就没在上图中将其列出。

        set在这个场景下表现也很差。deque在元素超过2500左右时，“迎头赶上”，成为第三差的容器。

元素个数<1024

erase_begin_1024标题

        可以看到deque的性能在此时是最好的，明显要优于list和forward_list。

元素个数<256

erase_begin_256

        对于小容器，deque、list和forward_list的表现最好。

对比结果：

        vector表现最差。

        容器元素比较多时，list和forward_list性能最好。

        元素少于2500左右时，deque的性能最好。

中间删除

元素个数>15000

erase_mid_16256_highest

        vector的性能最差。

erase_mid_16256

        除了vector，表现最差的是map系列的三个容器：multimap、map和unordered_multimap。

        表现最好的是list和forward_list。

        由于vector表现的太差，之后中间删除的图例都不再列出它。

元素个数<4096

erase_mid_4096

        deque在元素个数达到1800左右执行了高耗时操作。在此之前它要优于list。

元素个数<256

erase_mid_256

        对于小容器，效率最好的依次是：forward_list、deque和list。

对比结果：

        vector性能最差。

        list和forward_list在各种容器大小时，表现都很好。

        deque在元素个数少于1800左右时，表现仅次于forward_list。

尾部删除

元素个数>15000

erase_end_16384_highest

        之前各个场景下表现优异的forward_list此时表现的极差。由于差异非常大，之后各个容器大小图例中都将不包含它。

erase_end_16384

        vector表现最优，其次是deque和list。非关联容器的表现都由于关联容器。

元素个数<256

erase_end_256

        大容器的表现在小容器上也有着相似的体现。

结果对比：

        vector的效率最优。其次是deque和list。

        forward_list效率最差。

结论：

        vector在头部和中间删除时，表现极差；在尾部删除时，表现优异。

        forward_list在尾部删除时，表现极差；头部和中间删除时，表现优异。

        list在各个场景下表现均较为优异。

        deque在元素少于2500左右时，效率比较优秀。元素超过这个阈值后，头部删除效率较差，中间和尾部删除仍然不错。

        文中图例可从以下地址获取：https://github.com/f304646673/stl_perf/tree/master/linux