Question

我知道这似乎是一个模糊的问题，但我想知道是否（例如在Python中）最好将多个值存储在单独的变量中，或者将它们存储在逻辑组（列表，数组......）中

在我的确切情况下，我应该将Matlab代码翻译成Python 2.7。它是一个基于物理的模型，它消化8个输入变量并创建两个大型列表作为输出。我发现原始模型有大量的变量在路上计算（＆gt; 100）。根据经验：如果多次访问一个计算，它将存储在一个新变量中。示例：

x = 3
y = 5
x2 = x**2
z = x2 + exp(y)
zz = (y+x)/x2

x ^ 2使用两次（用于计算z和zz），因此它存储为x2。这真的比让python计算两次x ** 2快吗？另外，如果我将它们存储在列表中会更快吗？像这样：

x = [3, 5]
z = x[0]**2 + exp(x[1])
zz = sum(x)/x[0]**2

列表中变量的组织可能会牺牲代码的可读性，但我很乐意接受它，如果它使我的代码运行得更快。

Answer 1

我可以看到将其保留在列表中没有性能优势。相反，将它放在列表中会使它变慢：

>>>  %%timeit
...: x = 3
...: y = 5
...: x2 = x**2
...: z = x2 + exp(y)
...: zz = (y+x)/x2
...: 
337 ns ± 1.87 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

>>>  %%timeit
...: x = [3, 5]
...: z = x[0]**2 + exp(x[1])
...: zz = sum(x)/x[0]**2
...: 
716 ns ± 4.87 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

现在部分原因是因为您在列表条件中计算了x**2两次，但即使修复该问题也不会使列表版本更快：

>>>  %%timeit
...: x = [3, 5]
...: x0 = x[0]**2
...: z = x0 + exp(x[1])
...: zz = sum(x)/x0
...: 
502 ns ± 12.6 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

如果你比较性能，另一个大问题是你定义了int然后将它们转换为浮点数。在MATLAB中，x = 5生成一个浮点数，而在python中它生成一个整数。从一开始就使用花车做所有事情要快得多，只需在数字的末尾添加.或.0即可。

>>>  %%timeit
...: x = 3.0
...: y = 5.0
...: x2 = x**2.0
...: z = x2 + exp(y)
...: zz = (y+x)/x2
...: 
166 ns ± 1.12 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

如果你使用numpy数组而不是列表，那就更糟了，因为你从一个浮点列表开始然后必须转换数字和列表，然后将它们转换回来，所有这些都是慢：

>>> %%timeit
...: x = np.array([3., 5.])
...: x0 = x[0]**2.
...: z = x0 + np.exp(x[1])
...: zz = x.sum()/x0
...: 
3.22 µs ± 8.96 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

作为一般规则，尽可能避免进行类型转换，并避免在不提供可读性的情况下编制索引。如果你有一堆值，那么转换为numpy很有用。但仅仅两三个就会损害速度和可读性。

Python：拥有多个变量或将它们的值存储在列表中是否更好？

1 个答案: