算法的时间复杂度对程序的执行效率影响最大,在Python中可以通过选择合适的数据结构来优化时间复杂度,如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)。不同的场景有不同的优化方式,总得来说,一般有分治,分支界限,贪心,动态规划等思想。
如用上三角或下三角的方式去保存一个大的对称矩阵。在0元素占大多数的矩阵里使用稀疏矩阵表示。
对于dict和list等数据结构的对象,直接赋值使用的是引用的方式。而有些情况下需要复制整个对象,这时可以使用copy包里的copy和deepcopy,这两个函数的不同之处在于后者是递归复制的。效率也不一样:(以下程序在ipython中运行)
12345678 | import copya = range(100000)%timeit –n 10 copy.copy(a) # 运行10次 copy.copy(a) %timeit –n 10 copy.deepcopy(a) 10 loops, best of 3: 1.55 ms per loop10 loops, best of 3: 151 ms per loop |
timeit后面的-n表示运行的次数,后两行对应的是两个timeit的输出,下同。由此可见后者慢一个数量级。
python dict和set都是使用hash表来实现(类似c++11标准库中unordered_map),查找元素的时间复杂度是O(1)
123456789 | a = range(1000)s = set(a)d = dict((i,1) for i in a)%timeit –n 10000 100 in d %timeit –n 10000 100 in s 10000 loops, best of 3: 43.5 ns per loop10000 loops, best of 3: 49.6 ns per loop |
dict
的效率略高(占用的空间也多一些)。
123456 | %timeit –n 100 a = (i for i in range(100000)) %timeit –n 100 b = [i for i in range(100000)] 100 loops, best of 3: 1.54 ms per loop100 loops, best of 3: 4.56 ms per loop |
使用()
得到的是一个generator对象,所需要的内存空间与列表的大小无关,所以效率会高一些。在具体应用上,比如set(i for i in range(100000))会比set([i for i in range(100000)])快。
但是对于需要循环遍历的情况:
123456 | %timeit –n 10 for x in (i for i in range(100000)): pass %timeit –n 10 for x in [i for i in range(100000)]: pass 10 loops, best of 3: 6.51 ms per loop10 loops, best of 3: 5.54 ms per loop |
后者的效率反而更高,但是如果循环里有break,用generator的好处是显而易见的。yield
也是用于创建generator:
1234567891011121314 | def yield_func(ls): for i in ls: yield i+1 def not_yield_func(ls): return [i+1 for i in ls=\”crayon-h\”> [i+1 for i in ls
|
上一篇:Python 性能分析大全
下一篇:Hack Python 整数对象