Question

注意：我是一名Ruby开发人员，试图在Python中找到自己的方式。

当我想弄清楚为什么有些脚本使用mylist[:]而不是list(mylist)来复制列表时，我对复制range(10)的各种方法做了快速基准测试（请参阅下面的代码）

编辑：我更新了测试以使用Python的timeit，如下所示。这使得无法直接将它与Ruby进行比较，因为 timeit 不考虑Ruby的Benchmark所做的循环，因此Ruby代码仅用于引用

Python 2.7.2

Array duplicating. Tests run 50000000 times
list(a)     18.7599430084
copy(a)     59.1787488461
a[:]         9.58828091621
a[0:len(a)] 14.9832749367

作为参考，我也在Ruby中编写了相同的脚本：

Ruby 1.9.2p0

Array duplicating. Tests 50000000 times
                      user     system      total        real
Array.new(a)     14.590000   0.030000  14.620000 ( 14.693033)
Array[*a]        18.840000   0.060000  18.900000 ( 19.156352)
a.take(a.size)    8.780000   0.020000   8.800000 (  8.805700)
a.clone          16.310000   0.040000  16.350000 ( 16.384711)
a[0,a.size]       8.950000   0.020000   8.970000 (  8.990514)

问题1： mylist[:]做什么不同， 25％比mylist[0:len(mylist)]更快。它是直接复制到内存还是什么？

问题2： 编辑：更新的基准测试不再显示Python和Ruby的巨大差异。是：我是否以一种明显低效的方式实现了测试，因此Ruby代码比Python快得多？

现在代码清单：

的Python：

import timeit

COUNT = 50000000

print "Array duplicating. Tests run", COUNT, "times"

setup = 'a = range(10); import copy'

print "list(a)\t\t", timeit.timeit(stmt='list(a)', setup=setup, number=COUNT)
print "copy(a)\t\t", timeit.timeit(stmt='copy.copy(a)', setup=setup, number=COUNT)
print "a[:]\t\t", timeit.timeit(stmt='a[:]', setup=setup, number=COUNT)
print "a[0:len(a)]\t", timeit.timeit(stmt='a[0:len(a)]', setup=setup, number=COUNT)

红宝石：

require 'benchmark'

a = (0...10).to_a

COUNT = 50_000_000

puts "Array duplicating. Tests #{COUNT} times"

Benchmark.bm(16) do |x|
  x.report("Array.new(a)")   {COUNT.times{ Array.new(a) }}
  x.report("Array[*a]")   {COUNT.times{ Array[*a] }}
  x.report("a.take(a.size)")   {COUNT.times{ a.take(a.size) }}
  x.report("a.clone")    {COUNT.times{ a.clone }}
  x.report("a[0,a.size]"){COUNT.times{ a[0,a.size] }}
end

Answer 1

使用python中的timeit模块测试时间。

from copy import *

a=range(1000)

def cop():
    b=copy(a)

def func1():
    b=list(a)

def slice():
    b=a[:]

def slice_len():
    b=a[0:len(a)]



if __name__=="__main__":
    import timeit
    print "copy(a)",timeit.timeit("cop()", setup="from __main__ import cop")
    print "list(a)",timeit.timeit("func1()", setup="from __main__ import func1")
    print "a[:]",timeit.timeit("slice()", setup="from __main__ import slice")
    print "a[0:len(a)]",timeit.timeit("slice_len()", setup="from __main__ import slice_len")

结果：

copy(a) 3.98940896988
list(a) 2.54542589188
a[:] 1.96630120277                   #winner
a[0:len(a)] 10.5431251526

a[0:len(a)]所涉及的额外步骤肯定是它缓慢的原因。

这是两者的字节代码比较：

In [19]: dis.dis(func1)
  2           0 LOAD_GLOBAL              0 (range)
              3 LOAD_CONST               1 (100000)
              6 CALL_FUNCTION            1
              9 STORE_FAST               0 (a)

  3          12 LOAD_FAST                0 (a)
             15 SLICE+0             
             16 STORE_FAST               1 (b)
             19 LOAD_CONST               0 (None)
             22 RETURN_VALUE        

In [20]: dis.dis(func2)
  2           0 LOAD_GLOBAL              0 (range)
              3 LOAD_CONST               1 (100000)
              6 CALL_FUNCTION            1
              9 STORE_FAST               0 (a)

  3          12 LOAD_FAST                0 (a)    #same up to here
             15 LOAD_CONST               2 (0)    #loads 0
             18 LOAD_GLOBAL              1 (len) # loads the builtin len(),
                                                 # so it might take some lookup time
             21 LOAD_FAST                0 (a)
             24 CALL_FUNCTION            1         
             27 SLICE+3             
             28 STORE_FAST               1 (b)
             31 LOAD_CONST               0 (None)
             34 RETURN_VALUE

Answer 2

我不能评论ruby时间与python时间。但我可以对list与slice发表评论。这是对字节码的快速检查：

>>> import dis
>>> a = range(10)
>>> def func(a):
...     return a[:]
... 
>>> def func2(a):
...     return list(a)
... 
>>> dis.dis(func)
  2           0 LOAD_FAST                0 (a)
              3 SLICE+0             
              4 RETURN_VALUE        
>>> dis.dis(func2)
  2           0 LOAD_GLOBAL              0 (list)
              3 LOAD_FAST                0 (a)
              6 CALL_FUNCTION            1
              9 RETURN_VALUE

请注意，list需要LOAD_GLOBAL才能找到函数list。在python中查找全局变量（和调用函数）相对较慢。这可以解释为什么a[0:len(a)]也较慢。还要记住list需要能够处理任意迭代器，而切片则不能。这意味着list需要分配一个新列表，在迭代列表时将元素打包到该列表中，并在必要时调整大小。这里有一些很昂贵的东西 - 必要时调整大小并迭代（有效地在python中，而不是C）。使用切片方法，您可以计算您需要的内存大小，因此可以避免调整大小，并且迭代可以在C中完成（可能使用memcpy或其他内容。

免责声明：我不是python dev，所以我不知道list()的内部是如何实现的。我只是根据我对规范的了解进行推测。

编辑 - 所以我查看了源代码（在Martijn的指导下）。相关代码位于listobject.c。 list调用list_init，然后在第799行调用listextend。该函数有一些检查，如果对象是列表或元组，它是否可以使用快速分支（第812行）。最后，从第834行开始进行繁重的工作：

 src = PySequence_Fast_ITEMS(b);
 dest = self->ob_item + m;
 for (i = 0; i < n; i++) {
     PyObject *o = src[i];
     Py_INCREF(o);
     dest[i] = o;
 }

将其与我认为在list_subscript中定义的切片版本（第2544行）进行比较。这会调用list_slice（第2570行），其中繁重的工作由以下循环完成（第486行）：

 src = a->ob_item + ilow;
 dest = np->ob_item;
 for (i = 0; i < len; i++) {
     PyObject *v = src[i];
     Py_INCREF(v);
     dest[i] = v;
 }

它们几乎是相同的代码，因此大型列表的性能几乎相同也就不足为奇了（其中包括解包切片，查找全局变量等小东西的开销变得不那么重要）

以下是我将如何运行python测试（以及我的Ubuntu系统的结果）：

$ python -m timeit -s 'a=range(30)' 'list(a)'
1000000 loops, best of 3: 0.39 usec per loop
$ python -m timeit -s 'a=range(30)' 'a[:]'
10000000 loops, best of 3: 0.183 usec per loop
$ python -m timeit -s 'a=range(30)' 'a[0:len(a)]'
1000000 loops, best of 3: 0.254 usec per loop

在Python中复制数组/列表的有效方法

2 个答案: