同时分配许多实例＆＃39;性能

Question

假设我有一个班级：

class Foo:
    def __init__(self):
        self.prop = None

我需要这样做：

[foo1.prop, foo2.prop, ..., fooN.prop] = [prop_value1, prop_value2, ..., prop_value3]

显然，N总是不一样，所以我应该动态地做。第一种方法是使用for循环：

for foo, value in zip(foo_list, value_list):
    foo.prop = value

但问题是......在Python中有更好的方法吗？我的意思是性能更高。

顺便说一句，N > 1000。

Answer 1

  

“ Python中是否有更好的方法？我的意思是更高的性能。”

我不相信有。我们来做一些定时实验。首先，考虑一种执行作业的替代方法：您可以为您的班级使用setter，并在理解/地图中调用该setter。

class Foo:
    def __init__(self):
        self.prop = None
    def setProp(self, prop):
        self.prop = prop

现在，你可以这样做：

from functools import partial
f = partial(Foo.setProp)

fooList = [...]
propList = [...]

list(map(f, fooList, propList))

这可以按预期工作。我们可以使用timeit通过N = 1000获得一些定时结果：

1. For loop approach

  

10000个循环，最佳3：每循环95.8μs

1. 地图方法

  

1000次循环，最佳为3：每循环199μs

结论：似乎时间相差2倍。我认为没有什么能比这个特定用例的for循环更好，它是语言的语法，比使用任何函数更快。

Answer 2

你可能会得到一些改进的一种方法是假设你已经将类变量保存到python兼容的dict中（想想pickle）。然后你可以做类似于

的事情

Foo.__dict__ = loaded_dict_value

由于事实

，这可能比您提出的方法更快

Foo.value = loaded_value 

相当于Foo.__dict__['value'] = loaded_value。这意味着再多一次搜索（对于__dict__中的'value'的内存位置。但是我不怀疑你会从中获得很多性能。