简化语句 '.'.join(string.split('.')[0:3] )

Posted 2023-02-23

【中文标题】简化语句 \'.\'.join(string.split(\'.\')[0:3] )

【英文标题】：Simplify statement '.'.join( string.split('.')[0:3] )简化语句 '.'.join(string.split('.')[0:3] )

【发布时间】：2015-01-30 14:08:48

【问题描述】：

我习惯用C/C++写代码，看到下面的数组操作，感觉有点浪费CPU：

version = '1.2.3.4.5-RC4'                 # the end can vary a lot
api = '.'.join( version.split('.')[0:3] ) # extract '1.2.3'

所以我想知道：

这一行是否会被执行（解释）为创建一个临时数组（内存分配），然后连接前三个单元格（再次分配内存）？ 还是 python 解释器足够聪明？^{（我也很好奇 Pythran、Parakeet、Numba、Cython 和其他 python 解释器/编译器在这种情况下所做的优化.. .)}

有没有什么技巧可以编写更高效的 CPU 替换行并且仍然可以理解/优雅？^{（您可以提供具体的 Python2 和/或 Python3 技巧和提示）}

【问题讨论】：

这只是执行一次，不是吗？为什么要担心这个的性能呢？不，Python 不会对此进行优化；它会创建一个列表，然后创建另一个字符串。

Your code looks fine, get used to also feel fine

【参考方案1】：

为此，我不知道 CPU 使用率，但这不就是我们以某种方式使用高级语言的原因吗？

另一种解决方案是使用正则表达式，使用编译模式应该允许后台优化：

import re
version = '1.2.3.4.5-RC4'
pat = re.compile('^(\d+\.\d+\.\d+)')
res = re.match(version)
if res:
  print res.group(1)

编辑：按照@jonrsharpe 的建议，我也运行了timeit 基准测试。这是我的结果：

def extract_vers(str):
   res = pat.match(str)
   if res:
     return res.group(1)
   else:
     return False

>>> timeit.timeit("api1(s)", setup="from __main__ import extract_vers,api1,api2; s='1.2.3.4.5-RC4'")
1.9013631343841553
>>> timeit.timeit("api2(s)", setup="from __main__ import extract_vers,api1,api2; s='1.2.3.4.5-RC4'")
1.3482811450958252
>>> timeit.timeit("extract_vers(s)", setup="from __main__ import extract_vers,api1,api2; s='1.2.3.4.5-RC4'")
1.174590826034546

编辑：但无论如何，Python 中存在一些库，例如 distutils.version 来完成这项工作。 你应该看看answer。

【讨论】：

如果正则表达式明显快于拆分，我会感到惊讶。

感谢@MartijnPieters

刚查过，分体版速度更快。 2.33 我们与 0.732 我们。

@HannesOvrén 很好奇，关于我上次的编辑，显然我真的没有相同的结果。你是怎么比较的？

我在 IPython 中使用了 %timeit 魔法。然而，我确实用res = re.match(pat, version) 而不是res = pat.match(version) 调用了正则表达式。后者使它们或多或少具有相同的速度（884 ns）。

【参考方案2】：

回答您的第一个问题：不，这不会被解释器优化。 Python 将从字符串创建一个列表，然后为切片创建第二个列表，然后将列表项重新组合成一个新字符串。

为了涵盖第二个，您可以通过使用可选的maxsplit 参数限制split 来稍微优化：

>>> v = '1.2.3.4.5-RC4'
>>> v.split(".", 3)
['1', '2', '3', '4.5-RC4']

一旦找到第三个'.'，Python 就会停止搜索字符串。您还可以通过删除切片的默认 0 参数来稍微整理一下：

api = '.'.join(version.split('.', 3)[:3])

---

但是请注意，性能上的任何差异都可以忽略不计：

>>> import timeit
>>> def test1(version):
    return '.'.join(version.split('.')[0:3])

>>> def test2(version):
    return '.'.join(version.split('.', 3)[:3])

>>> timeit.timeit("test1(s)", setup="from __main__ import test1, test2; s = '1.2.3.4.5-RC4'")
1.0458565345561743
>>> timeit.timeit("test2(s)", setup="from __main__ import test1, test2; s = '1.2.3.4.5-RC4'")
1.0842980287537776

maxsplit 的好处随着包含更多不相关'.'s 的更长字符串变得更加明显：

>>> timeit.timeit("s.split('.')", setup="s='1.'*100")
3.460900054011617
>>> timeit.timeit("s.split('.', 3)", setup="s='1.'*100")
0.5287887450379003

【讨论】：

您对性能提升的数量有什么看法吗？

@Wolf 添加；显然没有区别！

谢谢，有一个略有增加 - 但不是简单;-)

...我最好将maxsplit 好处格式化为脚注

【参考方案3】：

我习惯用C/C++写代码，看到下面的数组操作，感觉有点浪费CPU：

感觉 CPU 浪费对于面对 python 代码的 C/C++ 程序员来说是绝对正常的。你的代码：

version = '1.2.3.4.5-RC4'                 # the end can vary a lot
api = '.'.join(version.split('.')[0:3])   # extract '1.2.3'

在python中绝对没问题，不可能简化。只有如果你必须这样做1000次，考虑using a library function或write your own。