Question

我测试了两种不同的方法来反转python中的列表。

import timeit

value = [i for i in range(100)]
def rev1():
    v = []
    for i in value:
        v.append(i)
    v.reverse()

def rev2():
    v = []
    for i in value:
        v.insert(0, i)

print timeit.timeit(rev1)
print timeit.timeit(rev2)

有趣的是，将值插入第一个元素的第二个方法比第一个元素慢得多。

20.4851300716
73.5116429329

这是为什么？在操作方面，将元件插入头部似乎并不昂贵。

Answer 1

insert是一个O(n)操作，因为它要求插入位置或之后的所有元素都向上移动一个。另一方面，append通常为O(1)（在最坏的情况下，O(n)，必须分配更多空间时。这解释了实质性的时差。

这些方法的时间复杂性已经完整记录here。

我引用：

在内部，列表表示为数组;最大的成本来自于超出当前分配大小（因为一切都必须移动），或者在开头附近的某处插入或删除（因为之后的所有内容都必须移动）。

现在，回到您的代码，我们可以看到rev1()是O(n)实现，而rev2()实际上是O(n²)，所以rev2()有意义{{1}} 1}}会慢得多。

Answer 2

在Python中，列表实现为数组。如果将一个元素附加到数组，则只需展开数组的保留空间。如果你在前面添加一个元素，那么所有元素都会移动1，这非常昂贵。

Answer 3

你可以通过在线阅读python列表来确认这一点。 Python将列表实现为数组，其中数组的大小实际上通常大于当前列表的大小。未使用的元素位于数组的末尾，表示可以添加到列表的END而不是开头的新元素。 Python使用经典的摊销成本方法，因此平均而言，如果你做一堆追加，追加到列表的末尾需要花费O（1）时间，尽管偶尔单个追加会导致数组变满，所以一个新的更大的数组需要创建，并将所有数据复制到新数组。另一方面，如果始终插入列表的前面，那么在底层数组中，所有元素都需要移动到一个索引上，以便为数组开头的新元素腾出空间。因此，总而言之，如果您通过执行N次插入来创建列表，那么如果您始终将新项目附加到列表的末尾，则总运行时间将为O（N），如果您将新项目附加到列表的末尾，则它将为O（N ^ 2）你总是追加到列表的前面。

为什么l.insert（0，i）比python中的l.append（i）慢？

3 个答案: