Python内置类型性能分析过程实例
这篇文章主要介绍了Python内置类型性能分析过程实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
timeit模块
timeit模块可以用来测试一小段Python代码的执行速度。
Timer是测量小段代码执行速度的类。
classtimeit.Timer(stmt='pass',setup='pass',timer=
- stmt参数是要测试的代码语句（statment）；
- setup参数是运行代码时需要的设置；
- timer参数是一个定时器函数，与平台有关。
Timer对象.timeit(number=1000000)
Timer类中测试语句执行速度的对象方法。number参数是测试代码时的测试次数，默认为1000000次。方法返回执行代码的平均耗时，一个float类型的秒数。
list的操作测试
#-*-coding:utf-8-*-
importtimeit
deft2():
li=[]
foriinrange(10000):
li.insert(0,i)
deft0():
li=[]
foriinrange(10000):
li.extend([i])
deft1():
li=[]
foriinrange(10000):
li.append(i)
deft3():
li=[]
foriinrange(10000):
li+=[i]
deft3_1():
li=[]
foriinrange(10000):
li=li+[i]
deft4():
li=[iforiinrange(10000)]
deft5():
li=list(range(10000))
timer2=timeit.Timer(stmt="t2()",setup="from__main__importt2")
print("insert",timer2.timeit(number=1000),"seconds")
timer0=timeit.Timer(stmt="t0()",setup="from__main__importt0")
print("extend",timer0.timeit(number=1000),"seconds")
timer1=timeit.Timer(stmt="t1()",setup="from__main__importt1")
print("append",timer1.timeit(number=1000),"seconds")
timer3=timeit.Timer(stmt="t3()",setup="from__main__importt3")
print("+=",timer3.timeit(number=1000),"seconds")
timer3_1=timeit.Timer(stmt="t3_1()",setup="from__main__importt3_1")
print("+加法",timer3_1.timeit(number=1000),"seconds")
timer4=timeit.Timer(stmt="t4()",setup="from__main__importt4")
print("[iforiinrange()]",timer4.timeit(number=1000),"seconds")
timer5=timeit.Timer(stmt="t5()",setup="from__main__importt5")
print("list",timer5.timeit(number=1000),"seconds")
执行结果： insert18.678989517seconds extend1.022223395000001seconds append0.6755100029999994seconds +=0.773258104seconds +加法126.929554195seconds [iforiinrange()]0.36483252799999377seconds list0.19607099800001038seconds
pop操作测试
x=range(2000000)
pop_zero=Timer("x.pop(0)","from__main__importx")
print("pop_zero",pop_zero.timeit(number=1000),"seconds")
x=range(2000000)
pop_end=Timer("x.pop()","from__main__importx")
print("pop_end",pop_end.timeit(number=1000),"seconds")
#('pop_zero',1.9101738929748535,'seconds')
#('pop_end',0.00023603439331054688,'seconds')
测试pop操作：从结果可以看出，"pop最后一个元素"的效率远远高于"pop第一个元素"
可以自行尝试下list的append(value)和insert(0,value),即一个后面插入和一个前面插入？？？
list内置操作的时间复杂度
dict内置操作的时间复杂度
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。