python 一些方法的時間測試

嘗試一些方法的不同實現，比較一下時間，電腦比較渣，不過只是做個比較

雖然用python主要是方便，肯定是不快的，不過能快一點還是快一點好

 

numpy中大量使用同樣 shape 的全 0 array，可以使用 np.zero() 方法或者是先開一個之后 copy：

%%time 2 for i in range(5000000): 3     a = np.zeros((100,10)) 4     a = np.zeros((100,10)) 5     a = np.zeros((100,10))

Wall time: 17.1 s

%%time 2 b = np.zeros((100,10)) 3 for i in range(5000000): 4     a = b.copy() 5     a = b.copy() 6     a = b.copy()

Wall time: 15.1 s

貌似先開一個，之后copy比較快，不過差異不明顯

 

range() 還是 np.arrange()，最近用 array 有點多，經常啥都開 array

%%time
for p in range(50000):
    a = np.arange(100000)

Wall time: 3.72 s

%%time
for p in range(50000):
    a = range(100000)

Wall time: 31 ms

差距還是非常明顯（不用想都知道2333），如果不需要用 array 方法的時候，還是 list 好了

 

訪問 list 等下標，用 range(長度)，不過先保存長度成常量還是多次用 len 方法

%%time 2 a = np.arange(100000) 3 l = len(a) 4 for p in range(50000000): 5     range(l)

Wall time: 23.3 s

%%time 2 a = np.arange(100000) 3 for p in range(50000000): 4     range(len(a))

Wall time: 27.9 s

就這樣看，應該調用 len 方法還是有點慢的，雖然差異也不是非常大，len 應該不是 O(n) 實現，可能是對象直接保存的一個屬性，不過訪問起來還是先存下來更快點

 

遍歷一個 array ，同時使用標號

我會遍歷下標長度的一個 list 來遍歷它，用 zip 把標號和 array 合並，或者 emunerate ，或者干脆維護一個 id，循環中累加

%%time 2 for i in range(5000000): 3     a = np.arange(10,30) 4     l = len(a) 5     for id in range(l): 6         x = id+a[id]

Wall time: 50 s

%%time 2 for i in range(5000000): 3     a = np.arange(10,30) 4     b = zip(range(len(a)),a) 5     for item1,item2 in b: 6         x = item1+item2

Wall time: 51.2 s

%%time 2 for i in range(5000000): 3     a = np.arange(10,30) 4     c = enumerate(a) 5     for item1,item2 in c: 6         x = item1+item2

Wall time: 52.3 s

%%time 2 for i in range(5000000): 3     a = np.arange(10,30) 4     d = zip(np.arange(len(a)),a) 5     for item1,item2 in d: 6         x = item1+item2

Wall time: 52.9 s

%%time 2 for i in range(5000000): 3     a = np.arange(10,30) 4     id = 0 5     for item in a: 6         x = id+item 7         id += 1

Wall time: 1min 1s

看上去只有維護 id 累加最慢，其他都差別不太大，那只要條件允許大概還是按 C 的習慣開一個下標的 list 來遍歷下標好了