介绍
加速Python列表和字典,让你代码更加高效
我们先编写一个装饰器函数来计算函数的执行时间,方便测验不同代码的速度:
import functools import time def timeit(func): @functools.wraps(func) def newfunc(*args, **kwargs): startTime = time.time() func(*args, **kwargs) elapsedTime = time.time() - startTime print('function - {}, took {} ms to complete'.format(func.__name__, int(elapsedTime * 1000))) return newfunc |
避免在列表中重新评估
在循环内
代码:
@timeit def append_inside_loop(limit): nums = [] for num in limit: nums.append(num) append_inside_loop(list(range(1, 9999999))) |
在上面的函数中.append每次通过循环重新计算的函数引用。执行后,上述函数所花费的总时间:
o/p - function - append_inside_loop, took 529 ms to complete |
在循环外
代码:
@timeit def append_outside_loop(limit): nums = [] append = nums.append for num in limit: append(num) append_outside_loop(list(range(1, 9999999))) |
在上面的函数中,我们对nums.append在循环外部估值,并在循环内部使用append为变量。总时间:
o/p - function - append_outside_loop, took 328 ms to complete |
如您所见,当我们在?for循环外部追加为一个本地变量,这将花费更少的时间,可以将代码加速201 ms。?
避免在字典中重新求值
在循环内部
代码:
@timeit def inside_evaluation(limit): data = {} for num in limit: data[num] = data.get(num, 0) + 1 inside_evaluation(list(range(1, 9999999))) |
上述函数所花费的总时间:
o/p - function - inside_evaluation, took 1400 ms to complete |
在循环外
代码:
@timeit def outside_evaluation(limit): data = {} get = data.get for num in limit: data[num] = get(num, 0) + 1 outside_evaluation(list(range(1, 9999999))) |
上述函数所花费的总时间:
o/p - function - outside_evaluation, took 1189 ms to complete |
如你所见,我们这里的代码速度提高了211毫秒。
本文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理