Python中复制数组/列表的有效方法
注意:我是一名Ruby开发人员,试图在Python中找到自己的方法 当我想弄清楚为什么有些脚本使用Python中复制数组/列表的有效方法,python,ruby,arrays,Python,Ruby,Arrays,注意:我是一名Ruby开发人员,试图在Python中找到自己的方法 当我想弄清楚为什么有些脚本使用mylist[:]而不是list(mylist)来复制列表时,我对复制range(10)的各种方法进行了快速基准测试(见下面的代码) EDIT:我更新了测试,以使用Python的timeit,如下所示。这使得无法直接将其与Ruby进行比较,因为timeit不考虑循环,而Ruby的基准测试则考虑循环,因此Ruby代码仅供参考 Python 2.7.2 Array duplicating. Tests
mylist[:]
而不是list(mylist)
来复制列表时,我对复制range(10)
的各种方法进行了快速基准测试(见下面的代码)
EDIT:我更新了测试,以使用Python的timeit
,如下所示。这使得无法直接将其与Ruby进行比较,因为timeit不考虑循环,而Ruby的基准测试则考虑循环,因此Ruby代码仅供参考
Python 2.7.2
Array duplicating. Tests run 50000000 times
list(a) 18.7599430084
copy(a) 59.1787488461
a[:] 9.58828091621
a[0:len(a)] 14.9832749367
作为参考,我也用Ruby编写了相同的脚本:
Ruby 1.9.2p0
Array duplicating. Tests 50000000 times
user system total real
Array.new(a) 14.590000 0.030000 14.620000 ( 14.693033)
Array[*a] 18.840000 0.060000 18.900000 ( 19.156352)
a.take(a.size) 8.780000 0.020000 8.800000 ( 8.805700)
a.clone 16.310000 0.040000 16.350000 ( 16.384711)
a[0,a.size] 8.950000 0.020000 8.970000 ( 8.990514)
问题1:什么是mylist[:]
做得不同,它甚至比mylist[0:len(mylist)]快25%
。它是直接复制到内存中还是什么
问题2:编辑:更新的基准测试不再显示Python和Ruby的巨大差异was:我是否以某种明显低效的方式实现了测试,因此Ruby代码比Python快得多
现在,代码清单如下:
Python:
import timeit
COUNT = 50000000
print "Array duplicating. Tests run", COUNT, "times"
setup = 'a = range(10); import copy'
print "list(a)\t\t", timeit.timeit(stmt='list(a)', setup=setup, number=COUNT)
print "copy(a)\t\t", timeit.timeit(stmt='copy.copy(a)', setup=setup, number=COUNT)
print "a[:]\t\t", timeit.timeit(stmt='a[:]', setup=setup, number=COUNT)
print "a[0:len(a)]\t", timeit.timeit(stmt='a[0:len(a)]', setup=setup, number=COUNT)
红宝石:
使用python中的模块测试计时
from copy import *
a=range(1000)
def cop():
b=copy(a)
def func1():
b=list(a)
def slice():
b=a[:]
def slice_len():
b=a[0:len(a)]
if __name__=="__main__":
import timeit
print "copy(a)",timeit.timeit("cop()", setup="from __main__ import cop")
print "list(a)",timeit.timeit("func1()", setup="from __main__ import func1")
print "a[:]",timeit.timeit("slice()", setup="from __main__ import slice")
print "a[0:len(a)]",timeit.timeit("slice_len()", setup="from __main__ import slice_len")
结果:
copy(a) 3.98940896988
list(a) 2.54542589188
a[:] 1.96630120277 #winner
a[0:len(a)] 10.5431251526
当然,a[0:len(a)]
中涉及的额外步骤是其速度缓慢的原因
下面是这两种方法的字节码比较:
In [19]: dis.dis(func1)
2 0 LOAD_GLOBAL 0 (range)
3 LOAD_CONST 1 (100000)
6 CALL_FUNCTION 1
9 STORE_FAST 0 (a)
3 12 LOAD_FAST 0 (a)
15 SLICE+0
16 STORE_FAST 1 (b)
19 LOAD_CONST 0 (None)
22 RETURN_VALUE
In [20]: dis.dis(func2)
2 0 LOAD_GLOBAL 0 (range)
3 LOAD_CONST 1 (100000)
6 CALL_FUNCTION 1
9 STORE_FAST 0 (a)
3 12 LOAD_FAST 0 (a) #same up to here
15 LOAD_CONST 2 (0) #loads 0
18 LOAD_GLOBAL 1 (len) # loads the builtin len(),
# so it might take some lookup time
21 LOAD_FAST 0 (a)
24 CALL_FUNCTION 1
27 SLICE+3
28 STORE_FAST 1 (b)
31 LOAD_CONST 0 (None)
34 RETURN_VALUE
我不能评论ruby计时和python计时。但是我可以对列表
与切片
进行评论。下面是字节码的快速检查:
>>> import dis
>>> a = range(10)
>>> def func(a):
... return a[:]
...
>>> def func2(a):
... return list(a)
...
>>> dis.dis(func)
2 0 LOAD_FAST 0 (a)
3 SLICE+0
4 RETURN_VALUE
>>> dis.dis(func2)
2 0 LOAD_GLOBAL 0 (list)
3 LOAD_FAST 0 (a)
6 CALL_FUNCTION 1
9 RETURN_VALUE
请注意,list
需要一个LOAD\u GLOBAL
来查找函数list
。在python中查找全局函数(和调用函数)相对较慢。这就解释了为什么a[0:len(a)]
也较慢。还要记住,list
需要能够处理任意迭代器,而切片则不能。这意味着list
需要分配一个新的列表,在列表迭代时将元素打包到该列表中,并在必要时调整其大小。这里有一些代价高昂的事情——必要时调整大小和迭代(在python中有效,而不是在C中)。使用切片方法,您可以计算所需内存的大小,这样就可以避免调整大小,并且迭代可以完全用C语言完成(可能使用memcpy
或其他语言)
免责声明:我不是python开发人员,所以我不知道list()
的内部是如何实现的。我只是根据我对规范的了解进行推测
EDIT——我已经查看了源代码(有Martijn的一些指导)。相关代码在中。list
调用list\u init
,然后在第799行调用listextend
。该函数进行一些检查,看看如果对象是列表或元组,它是否可以使用快速分支(第812行).最后,从第834行开始进行起重:
src = PySequence_Fast_ITEMS(b);
dest = self->ob_item + m;
for (i = 0; i < n; i++) {
PyObject *o = src[i];
Py_INCREF(o);
dest[i] = o;
}
它们几乎是相同的代码,因此对于大型列表,性能几乎相同也就不足为奇了(在大型列表中,解包切片、查找全局变量等小任务的开销变得不那么重要)
下面是我将如何运行python测试(以及我的Ubuntu系统的测试结果):
使用python来测量python执行时间。我怀疑它会使事情(更快)但它会避免所有常见的计时陷阱。至于alist[:]
与alist[0:len(alist)]之间的时差
;后者创建pythonint
对象,这是前者方法不需要处理的。@MartijnPieters——后者还需要在每次数组(a)时查找全局len
(并调用它)
不复制数组。当给定一个数组时,它只调用到数组上的
,返回self
。你也应该使用,而不是手动计时。尝试Ruby和benchmark中的obj.dup
。奇怪,但列表(a)
在我的系统中是最快的。@AshwiniChaudhary——什么系统?这很奇怪。在我的OS-X系统和Ubuntu linux系统中,它是最慢的。@AshwiniChaudhary:你的查找是本地的,而在mgilson的情况下是全局的。如果mgilson在他的函数中添加len=\uu builtins\uuuuu.len
,我打赌它也会更快。@MartijnPieters@MartijnPieters--Ashwini的查找是本地的吗?仅仅因为a
是本地的,它不会使len
local…(尽管你说得对,本地变量的查找速度比全局变量快…)。我怀疑他的测试的问题在于计时中包含了range
。这可能会使他的结果对各种系统波动更加敏感…@mgilson:它在iPython外壳中,所以locals()是globals()
是True
。range()
不包括在他的计时中,只包括在反汇编示例中。这肯定回答了我的问题,并表明n00b有多种方法可以编写低效的代码-即使在后一种时间,它的变体我的复制
比您的实现慢得多。谢谢!;-@Laas很高兴能帮上忙:),其中哪一个是你系统中速度最快的?@Laas你是对的copy()不是最快的,我的代码中有一个错误(忘了调用cop`function in timeit)是的,我也得到了a[:]
。我用我的时间更新了这个问题。
src = PySequence_Fast_ITEMS(b);
dest = self->ob_item + m;
for (i = 0; i < n; i++) {
PyObject *o = src[i];
Py_INCREF(o);
dest[i] = o;
}
src = a->ob_item + ilow;
dest = np->ob_item;
for (i = 0; i < len; i++) {
PyObject *v = src[i];
Py_INCREF(v);
dest[i] = v;
}
$ python -m timeit -s 'a=range(30)' 'list(a)'
1000000 loops, best of 3: 0.39 usec per loop
$ python -m timeit -s 'a=range(30)' 'a[:]'
10000000 loops, best of 3: 0.183 usec per loop
$ python -m timeit -s 'a=range(30)' 'a[0:len(a)]'
1000000 loops, best of 3: 0.254 usec per loop