Python 为什么max比sort慢？

我发现

max

比Python2和3中的

sort

函数慢

Python 2

$ python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'a.sort();a[-1]'
1000 loops, best of 3: 239 usec per loop
$ python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'max(a)'        
1000 loops, best of 3: 342 usec per loop

Python 3

$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'a.sort();a[-1]'
1000 loops, best of 3: 252 usec per loop
$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'max(a)'
1000 loops, best of 3: 371 usec per loop

---

为什么

max

（

O（n）

）比

sort

函数（

O（nlogn）

）慢？

在Python中使用

timeit

模块时必须非常小心

python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'a.sort();a[-1]'

在这里，初始化代码运行一次以生成随机数组

a

。然后，代码的其余部分将运行几次。第一次对数组进行排序时，但每隔一次对已排序的数组调用sort方法时。只返回最快的时间，因此实际上您正在计时Python对已排序的数组进行排序所需的时间

Python排序算法的一部分是检测数组何时已经部分或完全排序。当完全排序后，它只需在数组中扫描一次即可检测到这一点，然后停止

如果您尝试过：

python -m timeit -s 'import random;a=range(100000);random.shuffle(a)' 'sorted(a)[-1]'

然后在每个定时循环上进行排序，您可以看到对数组进行排序的时间确实比只找到最大值要长得多

---

编辑：@skyking's解释了我未解释的部分：

a.sort（）

知道它正在处理列表，因此可以直接访问元素

max（a）

适用于任何任意iterable，因此必须使用泛型迭代。

这可能是因为

l.sort

是

列表的成员，而
max
是泛型函数。这意味着
l.sort
可以依赖
list
的内部表示，而
max
必须通过通用迭代器协议

这使得
l.sort
的每个元素提取都比
max
的每个元素提取快

我假设如果您改为使用排序（a）

，您将得到比

max（a）

慢的结果，请注意，虽然。显然，使用迭代器是一项重要的开销，这就是为什么您会观察到计时上的差异

然而，除此之外，你的测试是不公平的。您在同一列表上多次运行

a.sort（）

。专门设计用于快速处理已（部分）排序的数据。您的测试表明该算法运行良好

这些都是公平的测试：

$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'max(a[:])'
1000 loops, best of 3: 227 usec per loop
$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'a[:].sort()'
100 loops, best of 3: 2.28 msec per loop

在这里，我每次都要创建一份列表。正如您所看到的，结果的数量级是不同的：正如我们所期望的，微与毫秒

---

记住：大Oh指定一个上限！Python排序算法的下限是Ω（n）。O（n logn）并不自动意味着每次运行都需要与n logn成比例的时间。它甚至不意味着它需要比O（n）算法慢，但这是另一回事。需要了解的是，在某些有利的情况下，O（n logn）算法可能会在O（n）时间或更短的时间内运行。

a.sort（）

在适当的位置工作。尝试

sorted（a）

@AndreaCorbellini，但sorted（a）需要

O（n）

内存，max（a）只需要one@WeizhongTu但是，

sort

sort，然后，

a

进行排序，这也是值得注意的：python使用了Timsort。此算法对已排序的列表执行

n-1

比较，这与

max

必须执行的数字相同。事实上，即使输入是“部分排序”的，Timsort也会进行O（n）比较。其他算法可能需要O（nlogn）时间，即使在已排序的情况下也是如此。我从来没有意识到解释器状态在代码运行期间是保留的。现在我想知道我在过去制作了多少错误的基准测试。：-}这对我来说是显而易见的。但请注意，即使对已排序的数组进行排序，也必须检查所有元素。这和获得最大值的工作量一样多。。。。在我看来，这似乎是半个答案。@KarolyHorvath，你是对的。我认为@skyking得到了另一半答案：

a.sort（）

知道它正在处理列表，因此可以直接访问元素

max（a）

在任意序列上工作，不需要使用泛型迭代。@KarolyHorvath也许分支预测可以解释为什么重复排序排序的数组更快：@JUnitorCompressor解释“它在许多类型的偏序数组上具有超自然的性能（比需要的lg（N！）比较少，并且只有N-1次）”然后继续解释各种血腥的优化。我认为它可以做出许多

max

无法做到的假设，即排序不是渐进地快。这个假设离变得更具体只有一行时间了。不要质疑你的知识，只是这样一个添加对于那些不知道它的人来说是微不足道的。你是正确的，

sorted（a）

比

max（a）

慢。毫不奇怪，它的速度与

a.sort（）

的速度差不多，但您对其原因的猜测——这是因为OP在测试中犯了一个错误，正如公认的答案所指出的。问题是，通用迭代器协议有可能有足够的开销来抵消

日志（n）

将复杂性考虑在内。这是一个

O（n）

算法，对于足够大的

n

（例如，因为每个操作的时间在算法之间可能不同-

nlogn

快速步骤可能比

n

慢速步骤快）。在这种情况下，没有考虑盈亏平衡的确切位置（但应该注意，

logn

因子对于smallish

n

来说不是一个很大的因子）。