返回介绍

01. Python 工具

02. Python 基础

03. Numpy

04. Scipy

05. Python 进阶

06. Matplotlib

07. 使用其他语言进行扩展

08. 面向对象编程

09. Theano 基础

10. 有趣的第三方模块

11. 有用的工具

12. Pandas

列表与元组的速度比较

发布于 2022-09-03 20:46:12 字数 2587 浏览 0 评论 0 收藏 0

IPython 中用 magic 命令 %timeit 来计时。

比较生成速度

In [1]:

%timeit [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25]
1000000 loops, best of 3: 456 ns per loop

In [2]:

%timeit (1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25)
10000000 loops, best of 3: 23 ns per loop

可以看到,元组的生成速度要比列表的生成速度快得多,相差大概一个数量级。

比较遍历速度

产生内容相同的随机列表和元组:

In [3]:

from numpy.random import rand
values = rand(10000,4)
lst = [list(row) for row in values]
tup = tuple(tuple(row) for row in values)

In [4]:

 %timeit for row in lst: list(row)
100 loops, best of 3: 4.12 ms per loop

In [5]:

%timeit for row in tup: tuple(row)
100 loops, best of 3: 2.07 ms per loop

在遍历上,元组和列表的速度表现差不多。

比较遍历和索引速度:

In [6]:

%timeit for row in lst: a = row[0] + 1
The slowest run took 12.20 times longer than the fastest. This could mean that an intermediate result is being cached 
100 loops, best of 3: 3.73 ms per loop

In [7]:

%timeit for row in tup: a = row[0] + 1
100 loops, best of 3: 3.82 ms per loop

元组的生成速度会比列表快很多,迭代速度快一点,索引速度差不多。

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。
列表为空,暂无数据
    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文