我的印象是使用求和构造比运行 for 循环快得多。然而,在下面的代码中,for 循环实际上运行得更快:
import time
Score = [[3,4,5,6,7,8] for i in range(40)]
a=[0,1,2,3,4,5,4,5,2,1,3,0,5,1,0,3,4,2,2,4,4,5,1,2,5,4,3,2,0,1,1,0,2,0,0,0,1,3,2,1]
def ver1():
for i in range(100000):
total = 0
for j in range(40):
total+=Score[j][a[j]]
print (total)
def ver2():
for i in range(100000):
total = sum(Score[j][a[j]] for j in range(40))
print (total)
t0 = time.time()
ver1()
t1 = time.time()
ver2()
t2 = time.time()
print("Version 1 time: ", t1-t0)
print("Version 2 time: ", t2-t1)
输出是:
208
208
Version 1 time: 0.9300529956817627
Version 2 time: 1.066061019897461
我做错了什么吗?有没有办法更快地做到这一点?
(注意这只是我设置的一个demo,在我实际应用中不会重复这样的分数)
一些附加信息:它在 Python 3.4.4 64 位、Windows 7 64 位、i7 上运行。
最佳答案
这个好像和系统有关,可能是python版本。在我的系统上,差异约为 13%:
python sum.py
208
208
('Version 1 time: ', 0.6371259689331055)
('Version 2 time: ', 0.7342419624328613)
这两个版本不测量 sum
与手动循环相比,因为循环“主体”不相同。 ver2
做了更多的工作,因为它创建了 100000 次生成器表达式,而 ver1
的循环体几乎是微不足道的,但它为每次迭代创建了一个包含 40 个元素的列表。您可以将示例更改为相同,然后您会看到 sum
的效果:
def ver1():
r = [Score[j][a[j]] for j in range(40)]
for i in xrange(100000):
total = 0
for j in r:
total+=j
print (total)
def ver2():
r = [Score[j][a[j]] for j in xrange(40)]
for i in xrange(100000):
total = sum(r)
print (total)
我已将所有内容移出内部循环体和 sum
调用,以确保我们只测量手工制作的循环的开销。使用 xrange
而不是 range
进一步改善了整体运行时间,但这适用于两个版本,因此不会改变比较。在我的系统上修改代码的结果是:
python sum.py
208
208
('Version 1 time: ', 0.2034609317779541)
('Version 2 time: ', 0.04234910011291504)
ver2
比 ver1
快五倍。这是使用 sum
而不是手工制作的循环的纯粹性能提升。
灵感来自 ShadowRanger's comment on the question about lookups ,我修改了示例以比较原始代码并检查绑定(bind)符号的查找是否:
def gen(s,b):
for j in xrange(40):
yield s[j][b[j]]
def ver2():
for i in range(100000):
total = sum(gen(Score, a))
print (total)
我创建了一个小型自定义生成器,它在本地绑定(bind) Score
和 a
以防止在父范围中进行昂贵的查找。执行这个:
python sum.py
208
208
('Version 1 time: ', 0.6167840957641602)
('Version 2 time: ', 0.6198039054870605)
仅符号查找就占了大约 12% 的运行时间。
关于python - Python 中 "sum"的理解速度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35191815/