Python：为什么分区（sep）比拆分（sep，maxsplit=1）快

我发现了一件有趣的事情，

partition

比

split

在分隔符后面得到整个子字符串时要快。我已经用Python3.5和3.6（Cpython）进行了测试

我查看了Cpython源代码，找到了

分区

使用

FASTSEARCH

算法，请参阅。当分隔符字符串的长度大于1时，

split

仅使用

FASTSEARCH

，请参阅。但我已经测试了长度更大的sep字符串。我得到了同样的结果

我猜原因是

partition

返回一个三元素元组，而不是一个列表

---

我想知道更多细节。

微基准可能会产生误导

py -m timeit "'validate_field_name'.split('_', maxsplit=1)[-1]"
1000000 loops, best of 3: 0.568 usec per loop

py -m timeit "'validate_field_name'.split('_', 1)[-1]"
1000000 loops, best of 3: 0.317 usec per loop

---

只需将参数作为位置或关键字传递即可显著更改时间。所以我猜另一个原因是分区更快，因为它不需要第二个参数…

是的，部分原因是构建固定长度的元组比构建任意长度的列表更有效。您还使用关键字参数调用

split

，即

s.split（“”），maxslit=1）

而不是简单的

s.split（“”，1）

。这太神奇了。我同意你说的，但我测试了一个简单的函数，它什么都不做，得到了以下结果。在[16]：def func（a，b）：…：pass…：在[17]：%timeit func（1，2）95.8纳秒±1.72纳秒/循环（7次运行的平均值±标准偏差，每个10000000个循环）在[18]：%timeit func（1，b=2）123纳秒±2.3纳秒/循环（7次运行的平均值±标准偏差，每个10000000个循环）中，差异不明显。我觉得内置功能很特别。这需要一些其他的优化。

py -m timeit "'validate_field_name'.split('_', maxsplit=1)[-1]"
1000000 loops, best of 3: 0.568 usec per loop

py -m timeit "'validate_field_name'.split('_', 1)[-1]"
1000000 loops, best of 3: 0.317 usec per loop