知识卡片
迭代形式性能须按具体工作比较
map、解析和for的耗时取决于表达式、函数调用、数据与解释器版本,不能把旧测试快两倍泛化成语言保证。还应比较是否建立同样结果:只构造惰性map与生成完整列表并不完成同样工作。保持清晰,再对实际任务度量。
同一语法在不同Python版本、硬件和输入上可能表现不同。旧书结果只能说明其测试情境,生成器节省预建输出列表也不意味着状态和输入内存总被最小化;测量应对准真实任务。
旧版abs映射和x+10用户lambda两组计时排名不同,显示每项工作内容会改变比较。不同机器上的绝对时间也不能直接证明版本改进;应在相同条件比较实际代码,而非沿用map或解析恒快的结论。
876及02393-02396对照Python2实际列表map与Python3惰性map,版本分支在3中用list(map(…))确保完成输出列表,2中额外包list反而增加复制。range在Python3是可迭代范围序列而非普通迭代器,准备/存储方式和版本差异也影响比较。1.542为原书2.6特定环境结果,不能据此给当前map/解析排通用名次。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 迭代形式性能须按具体工作比较
- · 对迭代的各种方法进行计时
- · 计时结果
- · 计时调用
原书出处 · 4 处
- · 查看原书依据
性能差异取决于调用方式,以及Python本身的变动和优化。例如,最近的Python版本使for循环加速。不过,一般来说,列表解析还是比for循环快很多,甚至也比map快(不过,对于内置函数来说map还是赢家)。要自行测试这些方案的速度,可以参考标准库time模块的time.clock和time.time调用,与2.4版新增的timeit模块,或者本章接下来的
- · 查看原书依据
相对的性能也有所不同(Python还在不断的优化中)。如果你想要自己测试它们的话,试试在自己的电脑上,用现有的Python版本来运行下面脚本。
- · 查看原书依据
不可能猜测哪种方法会执行的最好,最好的办法是在自己的计算机上、用自己的Python版本,对自己的代码计时。在这种情况下,我们可以肯定地说的是,在这个Python版本下,在map调用中使用一个用户定义的函数至少会因为两种因素中的一种而执行较慢,并且列表解析对于这一测试运行最快。 正如我们前面提到的,性能应该不是你编写Python代码时首要关心的问题——要优化P
- · 查看原书依据
list(map())来迫使它像列表解析那样构建一个列表,否则,就不是真正地进行同类比较。然而,不要在Python 2.6中这么做,如果这么做了,map测试将会负责构建两个列表,而不是一个。 如下的代码可能会对Python 2.6和Python 3.0都公平,然而要注意,尽管这会使得Python 2.6和Python 3.0中列表解析和map之间的比较更公平