python中语句执行效率的测试方法

python中不同语句执行效率的测试方法是如何来实现的呢?下面的内容将会通过具体的实例来演示python中不同语句执行效率的测试方法的实现方法及相关技巧:

一个功能的实现,可以用多种语句来实现,比如说:while语句、for语句、生成器、列表推导、内置函数等实现,然而他们的效率并不一样。写了一个小程序来测试它们执行的效率。

测试内容:
将一个数字大小为20万的数字,依次取绝对值,放到列表中,测试重复1千次.
测试程序:

import time,sys
reps = 1000                #测试重复次数
nums = 200000              #测试时数字大小
def tester(func,*args):    #总体测试函数
    startTime = time.time()
    for i in range(reps):
        func(*args)
    elapsed = time.time() - startTime #用time模块来测试,结束时间与开始时间差
    return elapsed
def while_Statement():     #while循环实现
    res = []
    x   = 0
    while nums > x:
        x += 1
        res.append(abs(x))
def for_Statement():       #for循环实现
    res = []
    for x in range(nums):
        res.append(abs(x))
def generator_Expression():#生成器实现
    res = list(abs(x) for x in range(nums))
def list_Comprehension():  #列表解析实现
    res = [abs(x) for x in range(nums)]
def map_Function():        #内置函数map实现
    res = map(abs, range(nums))
print sys.version          #打印系统版本
tests = [while_Statement, for_Statement, generator_Expression, list_Comprehension, map_Function]
for testfunc in tests:     #将待测函数放置列表中依次遍历
    print testfunc.__name__.ljust(20),': ',tester(testfunc)  #
  

测试结果:

>>>
2.7.4 (default, Apr  6 2013, 19:55:15) [MSC v.1500 64 bit (AMD64)]
while_Statement      :  84.5769999027
for_Statement        :  75.2709999084
generator_Expression :  62.3519999981
list_Comprehension   :  60.4090001583
map_Function         :  47.5629999638
 

改写程序:

import sys
nums = 100
def while_Statement():
    res = []
    x   = 0
    while nums > x:
        x += 1
        res.append(abs(x))
def for_Statement():
    res = []
    for x in range(nums):
        res.append(abs(x))
def generator_Expression():
    res = list(abs(x) for x in range(nums))
def list_Comprehension():
    res = [abs(x) for x in range(nums)]
def map_Function():
    res = map(abs, range(nums))
if __name__=='__main__':
    import timeit            #用timeit模块来测试
    print sys.version
    funcs = [while_Statement, for_Statement, generator_Expression, list_Comprehension, map_Function]
    for func in funcs:
        print func.__name__.ljust(20),': ',timeit.timeit("func()", setup="from __main__ import func")
 

测试结果:

>>>
2.7.4 (default, Apr  6 2013, 19:55:15) [MSC v.1500 64 bit (AMD64)]
while_Statement      :  37.1800067428
for_Statement        :  30.3999109329
generator_Expression :  27.2597866441
list_Comprehension   :  17.386223449
map_Function         :  12.7386868963
 

测试分析:

用time模块,和timeit模块两种测试方式测试了很多组数字,得出的结果是执行内置函数最快,其次就是列表推导,再其次生成器和for循环,while循环最慢。一般最快的使用内置函数的方法要比使用最慢的while快两倍以上。简单分析下原因:内置函数比如说map,filter,reduce(在Python3.0中移除)基本上都是用C语言来实现的,所以速度是最快的,列表推导内的迭代在解释器内是以C语言的速度运行的(一般是for循环的两倍,对大型文件操作而言,用列表推导效果尤其明显),相比较for循环代码是在PVM步进运行要快的多。但for循环里面含range(),相对速度也会快些,while语句是纯粹用Python代码写成,所以速度最慢。所以函数式编程最好使用内置函数,然后才考虑使用列表推导或for循环。最好不用while循环.


python中不同语句执行效率的测试方法就是这样,欢迎大家参考。。。。

You might also like:

Sidebar