Python內置數據類型list各方法的性能測試

測試環境

本文所涉及的代碼均在MacOS系統與CentOS7下測試，使用的Python版本為3.6.8。

測試模塊

測試用的模塊是Python內置的timeit模塊：

timeit模塊可以用來測試一小段Python代碼的執行速度。

Timer類

class timeit.Timer(stmt='pass', setup='pass', timer=<timer function>)

Timer是測量小段代碼執行速度的類。

stmt參數是要測試的代碼語句（statment）；

setup參數是運行代碼時需要的設置；

timer參數是一個定時器函數，與平台有關。

Timer類的timeit方法

timeit.Timer.timeit(number=1000000)

Timer類中測試語句執行速度的對象方法。number參數是測試代碼時的測試次數，默認為1000000次。方法返回執行代碼的平均耗時，一個float類型的秒數。

列表內置方法的性能測試

我們知道，生成一個列表可以使用列表生成式或者append、insert、extend這些方法，現在我們來看一下這些方法的執行效率：

from timeit import Timer


def test_list():
    lst = list(range(1000))

def test_generation():
    lst = [i for i in range(1000)]


def test_append():
    lst = []
    for i in range(1000):
        lst.append(i)

def test_add():
    lst = []
    for i in range(1000):
        lst += [i]

# 在列表的頭部insert
def test_insert_zero():
    lst = []
    for i in range(1000):
        lst.insert(0,i)

# 在列表的尾部insert
def test_insert_end():
    lst = []
    for i in range(1000):
        lst.insert(-1,i)

def test_extend():
    lst = []
    lst.extend(list(range(1000)))


t1 = Timer("test_list()","from __main__ import test_list")
print(f"test_list takes {t1.timeit(number=1000)} seconds")

t2 = Timer("test_generation()","from __main__ import test_generation")
print(f"test_generation takes {t2.timeit(number=1000)} seconds")

t3 = Timer("test_append()","from __main__ import test_append")
print(f"test_append takes {t3.timeit(number=1000)} seconds")

t4 = Timer("test_add()","from __main__ import test_add")
print(f"test_add takes {t4.timeit(number=1000)} seconds")

t5 = Timer("test_insert_zero()","from __main__ import test_insert_zero")
print(f"test_insert_zero takes {t5.timeit(number=1000)} seconds")

t6 = Timer("test_insert_end()","from __main__ import test_insert_end")
print(f"test_insert_end takes {t6.timeit(number=1000)} seconds")

t7 = Timer("test_extend()","from __main__ import test_extend")
print(f"test_extend takes {t7.timeit(number=1000)} seconds")

我們先看看在MacOS系統下，執行上面這段代碼的結果：

"""
test_list takes 0.012904746999993222 seconds

test_generation takes 0.03530399600003875 seconds

test_append takes 0.0865129750000051 seconds

test_add takes 0.08066114099983679 seconds

test_insert_zero takes 0.30594958500023495 seconds

test_insert_end takes 0.1522782449992519 seconds

test_extend takes 0.017534753999825625 seconds
"""

我們可以看到：直接使用list方法強轉的效率最高，其次是使用列表生成式，而append與直接加的方式緊隨其后並且二者的效率相當；insert方法的執行效率最低——並且從頭插入的效率要低於從尾部插入的效率！最后我們將強轉的列表使用extend方法放入到新的列表中的過程效率並沒有減少多少。

然后試試在Linux系統下的執行結果：

列表pop方法的性能測試

pop可以從第0各位置刪除元素，也可以從最后位置刪除元素（默認刪除最后面的元素），現在我們來測試一下兩種從不同位置刪除元素的性能對比：

from timeit import Timer

def test_pop_zero():
    lst = list(range(2000))
    for i in range(2000):
        lst.pop(0)


def test_pop_end():
    lst = list(range(2000))
    for i in range(2000):
        lst.pop()


t1 = Timer("test_pop_zero()","from __main__ import test_pop_zero")
print(f"test_pop_zero takes {t1.timeit(number=1000)} seconds")

t2 = Timer("test_pop_end()","from __main__ import test_pop_end")
print(f"test_pop_end takes {t2.timeit(number=1000)} seconds")

在MacOS下程序的執行結果為：

test_pop_zero takes 0.5015365449999081 seconds

test_pop_end takes 0.22170215499954793 seconds

然后我們來試試Linux系統中的執行結果：

可以看到：從列表的尾部刪除元素的效率要比從頭部刪除的效率高很多！

關於列表insert方法的一個小坑

如果想使用insert方法生成一個列表[0,1,2,3,4,5]的話（當然使用insert方法效率會低很多，建議使用其他的方法）會有一個這樣的問題，在此記錄一下：

def test_insert():
    lst = []
    for i in range(6):
        lst.insert(-1,i)
        print(lst)

test_insert() 

結果竟然是這樣的——第一個元素竟然一直在最后！

[0]
[1, 0]
[1, 2, 0]
[1, 2, 3, 0]
[1, 2, 3, 4, 0]
[1, 2, 3, 4, 5, 0]

～～～