python数据结构的性能测试

Posted originaltblog

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python数据结构的性能测试相关的知识,希望对你有一定的参考价值。


import timeit def t1(): l = [] for i in range(10000): l = l + [i] def t2(): l = [] for i in range(10000): l.append(i) def t3(): l = [i for i in range(10000)] def t4(): l = list(range(10000)) def t5(): l = [] for i in range(10000): l.insert(0,i) from timeit import Timer timer1 = Timer("t1()", "from __main__ import t1") timer2 = Timer("t2()", "from __main__ import t2") timer3 = Timer("t3()", "from __main__ import t3") timer4 = Timer("t4()", "from __main__ import t4") timer5 = Timer("t5()", "from __main__ import t5") print("拼接", timer1.timeit(number=100), "seconds") print("尾部插入 ", timer2.timeit(number=100), "seconds") print("头部插入 ", timer5.timeit(number=100), "seconds") print("列表生成式 ", timer3.timeit(number=100), "seconds") print("list生成 ", timer4.timeit(number=100), "seconds")

  结果

拼接 13.677228502 seconds
尾部插入 0.10198352399999955 seconds
头部插入 2.405467333999999 seconds
列表生成式 0.04342989099999883 seconds
list生成 0.029161853999998044 seconds

  结论

  从结果可以看出,append从尾端添加元素效率远远高于insert从顶端添加元素并且

  使用list(range())生成的效率意外的要比其他的高的多!!! 惊了!

list内置函数的复杂度

技术图片

 

 注:k为变化值,如 切片 k=y-x

字典内置函数的复杂度:

技术图片

 

 

补充:

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次。方法返回执行代码的耗时,一个float类型的秒数。

以上是关于python数据结构的性能测试的主要内容,如果未能解决你的问题,请参考以下文章

数据结构性能分析(代码运行效率)

在 Python 多处理进程中运行较慢的 OpenCV 代码片段

python Python测试片段

用几行python代码测试机器性能

python Cacher的测试片段

python测试mysql写入性能完整实例