Python数据结构决策的性能测试

我经常在这样一个路口，但我永远无法做出一个明确的决定。所以我希望有人能解释一下如何“测试”简单的设计决策，以及在这种情况下什么会更好

我需要一个数据结构来存储与“类别”对应的“边缘ID”和“边缘权重”

我可以用两种方式存储它：

a） （边长，重量）各类别的对

{
cat1: [(3,4),(5,7),(6,9)...]
cat2: [(4,1),(3,6),(7,8)...]
}

b） 每个cat1对应的重量和边缘ID的单独列表，索引相关

{
cat1: [[3,5,6...],[4,7,9...]]
cat2: [[4,3,7...],[1,6,8...]]
}

操作：

将（边、权重）对添加到某个类别。这将涉及简单地将元组附加到（a）中的

cat1

列表中，并对（b）中的

cat1

megalist中的两个列表进行单独的附加操作

获取与列表对应的所有边（！最重要！）

删除边（当然是按值）和相应的权重

我如何在这里做出明智的决定？我将在

igraph

中使用它，因此我的图可能涉及数亿个节点，因此上面的列表可能非常长，这就是为什么我要在这里记住性能

---

除了从过去的知识中进行逻辑推断或得出结论外，我如何在Python中快速测试这些小东西的性能？我想在这里举个例子。

如果您想要性能，我建议您使用numpy。使用元组和列表非常慢，numpy实际上可以处理数据结构。您正在寻找的是以下内容：

    import numpy as np
    myarray = np.zeros(desiredsizeandshape,dtype = [('edge',list),('weight',list)])

现在，您将能够根据是边还是权重填充数组。例如，假设我有一个5乘5的数组：

   myarray[0,4]['edge'] = 1
   myarray[0,4]['weight'] = 5

然后，如果只需要边数组，只需键入： myarray['edge']

---

您将获得一个边值数组。

要添加到jfish003的注释中，如果您也喜欢点符号，您可以将其视为一个重新排列>>>myview=myarray.view（np.recarray）>>>myview.edge和myview['edge']以及myarray['edge']将允许查看数据的多个选项