python - 多次迭代的性能

Question

想知道进行一次迭代与多次迭代对性能的影响。我在 Python 中工作——我不确定这是否会影响答案。

考虑尝试对列表中的每个项目执行一系列数据转换。

def one_pass(my_list):
    for i in xrange(0, len(my_list)):
        my_list[i] = first_transformation(my_list[i])
        my_list[i] = second_transformation(my_list[i])
        my_list[i] = third_transformation(my_list[i])
    return my_list

def multi_pass(my_list):
    range_end = len(my_list)
    for i in xrange(0, range_end):
       my_list[i] = first_transformation(my_list[i])

    for i in xrange(0, range_end):
       my_list[i] = second_transformation(my_list[i])

    for i in xrange(0, range_end):
       my_list[i] = third_transformation(my_list[i])

    return my_list

现在，除了可读性问题，严格来说，在性能方面，one_pass 相对于 multi_pass 是否有真正的优势？假设大部分工作发生在转换函数本身，那么 multi_pass 中的每次迭代不会只花费大约 1/3 的时间吗？

Answer 1

不同之处在于您正在阅读的值和代码在 CPU's cache 中出现的频率。 .

如果 my_list 的元素很大，但适合 CPU 缓存，第一个版本可能会有用。另一方面，如果转换的(字节)代码很大，缓存操作可能比缓存数据更好。

这两个版本都可能比更具可读性的方式慢:

def simple(my_list):
    return [third_transformation(second_transformation(first_transformation(e)))
            for e in my_list]

Timing it产量:

one_pass: 0.839533090591
multi_pass: 0.840938806534
simple: 0.569097995758