Python字符串连接速度

时间:2014-02-05 20:43:06

标签: python performance

我通过将字符串表示从1连接到一个大数字(在我的情况下,20000000)来测试不同速度连接方法的速度。我正在测试的三种方法是:

import cProfile

count = 20000000

def profileWrapper(f):
    def wrapper(*args, **argv):
        pr = cProfile.Profile()
        pr.enable()
        string = f(*args, **argv)
        pr.create_stats()
        pr.print_stats()
        return string
    return wrapper

@profileWrapper
def naiveConcat():
    global count
    string = ''
    for i in xrange(count):
        string += `i`
    return string

@profileWrapper
def improvedConcat():
    global count
    string = []
    for i in xrange(count):
        string.append(`i`)
    return ''.join(string)

@profileWrapper
def fastestConcat():
    global count
    return ''.join([`i` for i in xrange(count)])

print 15 * "=", "naiveConcat", 15 * "="
naiveConcat()
print 15 * "=", "improvedConcat", 15 * "="
improvedConcat()
print 15 * "=", "fastestConcat", 15 * "="
fastestConcat()

我希望看到改进的方法比天真的方法更快,并且它不应该比最快的方法慢得多,但结果似乎不是那样:

=============== naiveConcat ===============
         3 function calls in 3.951 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.000    0.000 cProfile.py:90(create_stats)
        1    3.951    3.951    3.951    3.951 str_concat.py:18(naiveConcat)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}


=============== improvedConcat ===============
         20000004 function calls in 6.990 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.000    0.000 cProfile.py:90(create_stats)
        1    5.196    5.196    6.990    6.990 str_concat.py:26(improvedConcat)
 20000000    1.322    0.000    1.322    0.000 {method 'append' of 'list' objects}
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.473    0.473    0.473    0.473 {method 'join' of 'str' objects}


=============== fastestConcat ===============
         4 function calls in 3.043 seconds

   Ordered by: standard name

   ncalls  tottime  percall  cumtime  percall filename:lineno(function)
        1    0.000    0.000    0.000    0.000 cProfile.py:90(create_stats)
        1    2.539    2.539    3.043    3.043 str_concat.py:34(fastestConcat)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.504    0.504    0.504    0.504 {method 'join' of 'str' objects}

改进的方法甚至比天真的方法慢得多!

这没有意义,因为naive方法正在创建新的绑定并且在每个ITERATION上按字符连接字符串连接字符串,这个方法应该采用O(n ^ 2),这应该慢得多比其他方法O(n)。

那么是什么让改进的方法如此缓慢?我能想到的唯一原因是append方法,但根据this article,append方法需要O(1),所以它绝对不是原因。那么在ImprovedConcat()中需要这么长时间?谢谢。

1 个答案:

答案 0 :(得分:2)

ImprovedConcat的ncalls列显示您进行了20000004次函数调用,而其他算法只进行了一些调用。函数调用在Python中并不是非常便宜,所以尽量保持这些限制。为了演示,我按照你的模式nop进行了一个新的测试,它只调用一个空的函数定义:

def foo():
    pass

@profileWrapper
def nop():
    for i in xrange(count):
        foo()
    return ''

我得到了与你的其他测试类似的计时结果,并且这个NOP(无操作)测试结果为

=============== nop ===============
20000003 function calls in 4.386 seconds

所以你有4.4s的开销来进行函数调用。