Python内置数据类型list各方法的性能测试
测试环境
本文所涉及的代码均在MacOS系统与CentOS7下测试，使用的Python版本为3.6.8。
测试模块
测试用的模块是Python内置的timeit模块：
timeit模块可以用来测试一小段Python代码的执行速度。
Timer类
class timeit.Timer(stmt='pass', setup='pass', timer=<timer function>)
Timer是测量小段代码执行速度的类。
stmt参数是要测试的代码语句（statment）；
setup参数是运行代码时需要的设置；
timer参数是一个定时器函数，与平台有关。
Timer类的timeit方法
timeit.Timer.timeit(number=1000000)
Timer类中测试语句执行速度的对象方法。number参数是测试代码时的测试次数，默认为1000000次。方法返回执行代码的平均耗时，一个float类型的秒数。
列表内置方法的性能测试
我们知道，生成一个列表可以使用列表生成式或者append、insert、extend这些方法，现在我们来看一下这些方法的执行效率：
from timeit import Timer def test_list(): lst = list(range(1000)) def test_generation(): lst = [i for i in range(1000)] def test_append(): lst = [] for i in range(1000): lst.append(i) def test_add(): lst = [] for i in range(1000): lst += [i] # 在列表的头部insert def test_insert_zero(): lst = [] for i in range(1000): lst.insert(0,i) # 在列表的尾部insert def test_insert_end(): lst = [] for i in range(1000): lst.insert(-1,i) def test_extend(): lst = [] lst.extend(list(range(1000))) t1 = Timer("test_list()","from __main__ import test_list") print(f"test_list takes {t1.timeit(number=1000)} seconds") t2 = Timer("test_generation()","from __main__ import test_generation") print(f"test_generation takes {t2.timeit(number=1000)} seconds") t3 = Timer("test_append()","from __main__ import test_append") print(f"test_append takes {t3.timeit(number=1000)} seconds") t4 = Timer("test_add()","from __main__ import test_add") print(f"test_add takes {t4.timeit(number=1000)} seconds") t5 = Timer("test_insert_zero()","from __main__ import test_insert_zero") print(f"test_insert_zero takes {t5.timeit(number=1000)} seconds") t6 = Timer("test_insert_end()","from __main__ import test_insert_end") print(f"test_insert_end takes {t6.timeit(number=1000)} seconds") t7 = Timer("test_extend()","from __main__ import test_extend") print(f"test_extend takes {t7.timeit(number=1000)} seconds")
我们先看看在MacOS系统下，执行上面这段代码的结果：
""" test_list takes 0.012904746999993222 seconds
test_generation takes 0.03530399600003875 seconds
test_append takes 0.0865129750000051 seconds
test_add takes 0.08066114099983679 seconds
test_insert_zero takes 0.30594958500023495 seconds
test_insert_end takes 0.1522782449992519 seconds
test_extend takes 0.017534753999825625 seconds """
我们可以看到：直接使用list方法强转的效率最高，其次是使用列表生成式，而append与直接加的方式紧随其后并且二者的效率相当；insert方法的执行效率最低——并且从头插入的效率要低于从尾部插入的效率！最后我们将强转的列表使用extend方法放入到新的列表中的过程效率并没有减少多少。
然后试试在Linux系统下的执行结果：
列表pop方法的性能测试
pop可以从第0各位置删除元素，也可以从最后位置删除元素（默认删除最后面的元素），现在我们来测试一下两种从不同位置删除元素的性能对比：
from timeit import Timer def test_pop_zero(): lst = list(range(2000)) for i in range(2000): lst.pop(0) def test_pop_end(): lst = list(range(2000)) for i in range(2000): lst.pop() t1 = Timer("test_pop_zero()","from __main__ import test_pop_zero") print(f"test_pop_zero takes {t1.timeit(number=1000)} seconds") t2 = Timer("test_pop_end()","from __main__ import test_pop_end") print(f"test_pop_end takes {t2.timeit(number=1000)} seconds")
在MacOS下程序的执行结果为：
test_pop_zero takes 0.5015365449999081 seconds
test_pop_end takes 0.22170215499954793 seconds
然后我们来试试Linux系统中的执行结果：
可以看到：从列表的尾部删除元素的效率要比从头部删除的效率高很多！
关于列表insert方法的一个小坑
如果想使用insert方法生成一个列表[0,1,2,3,4,5]的话（当然使用insert方法效率会低很多，建议使用其他的方法）会有一个这样的问题，在此记录一下：
def test_insert(): lst = [] for i in range(6): lst.insert(-1,i) print(lst) test_insert()
结果竟然是这样的——第一个元素竟然一直在最后！
[0] [1, 0] [1, 2, 0] [1, 2, 3, 0] [1, 2, 3, 4, 0] [1, 2, 3, 4, 5, 0]
～～～
