迭代特定列表的最快方法？

Question

假设我有一个清单：

list=['plu;ean;price;quantity','plu1;ean1;price1;quantity1']

我想迭代列表+用“;”拆分列表并添加一个if子句，如下所示：

for item in list:
    split_item=item.split(";")
    if split_item[0] == "string_value" or split_item[1] == "string_value":
        do something.....

我想知道，如果这是最快的方法吗？假设我的初始列表更大（包含更多列表项）。我尝试了列表推导：

item=[item.split(";") for item in list if item.split(";")[0] == "string_value" or item.split(";")[1] == "string_value"]

但这实际上给了我较慢的结果。第一种情况是给我平均90ms，而第二种情况给我平均130ms。 我做列表理解错了吗？有更快的解决方案吗？

Answer 1

  

我想知道，如果这是最快的方法吗？

不，当然不是。您可以在手动编码的程序集中比在Python中更快地实现它。那是什么？

如果“做某事......”并不是微不足道的，并且有很多匹配，那么做100000次的成本要比循环500000次的成本贵得多，所以找到最快的方式循环无关紧要。

事实上，只是调用split每个循环两到三个而不是记住并重用结果会淹没迭代的成本，而当你只关心两个结果时也不会传递maxsplit参数

---

所以，你正试图优化错误的东西。但是，如果在你解决了其他问题之后，事实证明迭代的成本在这里真的很重要吗？

好吧，你不能直接使用理解来加快速度，因为理解是针对返回值的表达式，而不是用来做事情的语句。

但是，如果你看看你的代码，你会发现你实际上做了三件事：拆分每个字符串，然后过滤掉那些不匹配的字符串，然后做“做某事”。因此，您可以使用前两个部分的理解，然后您只使用慢for循环来获得通过过滤器的小得多的值列表。

看起来你试过这个，但是你犯了两个错误。

首先，你最好使用生成器表达式而不是列表理解 - 你不需要这里的列表，只需要迭代的东西，所以不要付钱来构建一个。

其次，你不想将split字符串三次。你可能会找到一些令人费解的方法来让split在一次理解中完成一次，但为什么要这么麻烦？只需将每一步写为自己的步骤。

所以：

split_items = (item.split(';') for item in items)
filtered_items = (item for item in split_items 
                  if item[0] == "string_value" or item[1] == "string_value")
for item in filtered_items:
    do something...

这实际上会更快吗？如果您可以获得一些真实的测试数据，并且“做某事......”代码，这表明迭代是一个瓶颈，您可以测试该真实数据和代码。在那之前，没有什么可以测试的。

Answer 2

仅当从str.split(';', 2)检索到的前两项满足条件时才拆分整个字符串：

>>> strs = 'plu;ean;price;quantity'
>>> strs.split(';', 2)
['plu', 'ean', 'price;quantity']

仅当前两项满足条件时，才会拆分第三项（'price;quantity'）：

>>> lis = ['plu;ean;price;quantity'*1000, 'plu1;ean1;price1;quantity1'*1000]*1000

正常for循环，单个分割整个字符串列表的每个项目。

>>> %%timeit
for item in lis:
    split_item=item.split(";")
    if split_item[0] == "plu" or split_item[1] == "ean":pass
... 
1 loops, best of 3: 952 ms per loop

列表理解等效于上面的for循环：

>>> %timeit [x for x in (item.split(';') for item in lis) if x[0]== "plu" or x[1]=="ean"]
1 loops, best of 3: 961 ms per loop

按需分割：

>>> %timeit [[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== "plu" or y=="ean"]
1 loops, best of 3: 508 ms per loop

当然，如果列表和字符串很小，那么这种优化并不重要。

Answer 3

我在这里找到了一个很好的选择。

您可以使用地图和过滤器的组合。试试这个：

>>>import itertools
>>>splited_list = itertools.imap(lambda x: x.split(";"), your_list)
>>>result = filter(lambda x: filter(lambda x: x[0] == "plu" or x[1] == "string_value", lista)

第一项将创建元素的迭代器。而第二个将过滤它。 我在我的IPython Notebook shell中运行了一个小基准测试，得到了以下结果：

第一次测试：

小尺寸，单线解决方案效果更好

第二次测试：

使用更大的列表，地图/过滤器解决方案稍微好一些

第3次测试：

有一个大的列表和更大的元素，地图/过滤器解决方案更好。

我认为随着列表大小的增加，性能上的差异会继续增加，直到66％的时间达到峰值（在10000元素列表试验中）。

map / filter解决方案和列表推导解决方案之间的区别是对.split（）的调用次数。 Ones为每个项目调用它3次，另一个只调用一次，因为列表推导只是一种pythonic方式来一起进行map / filter。我过去经常使用列表推导，并认为我不知道lambda是什么。直到我发现地图和列表推导是一回事。

如果您不关心内存使用情况，可以使用常规地图而不是imap。它将立即创建包含拆分的列表。它将使用更多内存来存储它，但速度稍快。

实际上，如果您不关心内存使用情况，可以使用2个列表推导来编写地图/过滤器解决方案，并获得相同的结果。结帐：

Answer 4

编辑：事实证明，正则表达式缓存对竞争对手有点不公平。我的错。正则表达式的速度只有一小部分。

如果你正在寻找速度，那么hcwhsa的答案应该足够好了。如果您需要更多，请查看re。

import re
from itertools import chain

lis = ['plu;ean;price;quantity'*1000, 'plu1;ean1;price1;quantity1'*100]*1000

matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match
[l.split(';') for l in lis if matcher(l)]

Timings，主要是积极的结果（aka。split是导致缓慢的主要原因）：

SETUP="
import re
from itertools import chain
matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match

lis = ['plu1;ean1;price1;quantity1'+chr(i) for i in range(10000)] + ['plu;ean;price;quantity' for i in range(10000)]
"

python -m timeit -s "$SETUP" "[[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean']"
python -m timeit -s "$SETUP" "[l.split(';') for l in lis if matcher(l)]"

我们看到我的速度要快一点。

10 loops, best of 3: 55 msec per loop
10 loops, best of 3: 49.5 msec per loop

对于大多数负面结果（大多数事情都已过滤）：

SETUP="
import re
from itertools import chain
matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match

lis = ['plu1;ean1;price1;quantity1'+chr(i) for i in range(1000)] + ['plu;ean;price;quantity' for i in range(10000)]
"

python -m timeit -s "$SETUP" "[[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean']"
python -m timeit -s "$SETUP" "[l.split(';') for l in lis if matcher(l)]"

领先触摸更高。

10 loops, best of 3: 40.9 msec per loop
10 loops, best of 3: 35.7 msec per loop

---

如果结果始终是唯一的，请使用

next([x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean')

或更快的正则表达式版本

next(filter(matcher, lis)).split(';')

（在Python 2上使用itertools.ifilter。

时序：

SETUP="
import re
from itertools import chain
matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match

lis = ['plu1;ean1;price1;quantity1'+chr(i) for i in range(10000)] + ['plu;ean;price;quantity'] + ['plu1;ean1;price1;quantity1'+chr(i) for i in range(10000)]
"

python -m timeit -s "$SETUP" "[[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean']"
python -m timeit -s "$SETUP" "next([x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean')"

python -m timeit -s "$SETUP" "[l.split(';') for l in lis if matcher(l)]"
python -m timeit -s "$SETUP" "next(filter(matcher, lis)).split(';')"

结果：

10 loops, best of 3: 31.3 msec per loop
100 loops, best of 3: 15.2 msec per loop
10 loops, best of 3: 28.8 msec per loop
100 loops, best of 3: 14.1 msec per loop

因此，这对两种方法都有很大的推动作用。