根据 this question ,我检查了笔记本电脑的性能。
令人惊讶的是,我发现 pop(0)来自list比 popleft() 快来自deque结构:
python -m timeit 'l = range(10000)' 'l.pop(0)'
给出:
10000 loops, best of 3: 66 usec per loop
同时:
python -m timeit 'import collections' 'l = collections.deque(range(10000))' 'l.popleft()'
给出:
10000 loops, best of 3: 123 usec per loop
此外,我检查了 jupyter 的性能,发现了相同的结果:
%timeit l = range(10000); l.pop(0)
10000 loops, best of 3: 64.7 µs per loop
from collections import deque
%timeit l = deque(range(10000)); l.popleft()
10000 loops, best of 3: 122 µs per loop
这是什么原因?
请您参考如下方法:
问题是您的 timeit 调用也会对 deque/list creation 进行计时,而创建 deque 显然要慢得多,因为链接。
在命令行中,您可以使用 -s 选项将 setup 传递给 timeit,如下所示:
python -m timeit -s"import collections, time; l = collections.deque(range(10000000))" "l.popleft()"
此外,由于安装程序只运行一次,过一会儿你会得到一个弹出错误(空列表),因为我没有更改默认的迭代次数,所以我创建了一个大的双端队列来弥补它,并得到
10000000 loops, best of 3: 0.0758 usec per loop
另一方面,list 速度较慢:
python -m timeit -s "l = list(range(10000000))" "l.pop(0)"
100 loops, best of 3: 9.72 msec per loop
我还在脚本中编写了工作台(更方便)、设置(以避免对设置计时)和 100000 大小列表上的 99999 次迭代:
import timeit
print(timeit.timeit(stmt='l.pop(0)',setup='l = list(range(100000))',number=99999))
print(timeit.timeit(setup='import collections; l = collections.deque(range(100000))', stmt='l.popleft()', number=99999))
毫不奇怪:deque 获胜:
2.442976927292288 for pop in list
0.007311641921253109 for pop in deque
请注意,列表的 l.pop() 在 0.011536903686244897 秒内运行,这在弹出最后一个元素时非常好,正如预期的那样。
