python数据结构的性能测试

Posted 2020-12-01 originaltblog

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

 

 注：k为变化值，如 切片 k=y-x

字典内置函数的复杂度：

 

 

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。