Question

我正在尝试找到一种最有效的方式来构建带有if条件的两个单独列表，以评估从函数返回的布尔值。

trunc_keys列表包含的字符串元素不超过15个。测试使用10个元素进行。

常用功能：

    fig = sns.barplot(x="original_language", y=train.id.count(), data=train)

方法1：

def is_trunc(key):
      # about 10 lines of string manipulation that ultimately returns boolean

方法2：

trunc_key_list = [key for key in trunc_keys if is_trunc(key)]
bad_key_list = [key for key in trunc_keys if not is_trunc(key)]

我使用trunc_key_list = [] bad_key_list = [] [trunc_key_list.append(key) if is_trunc(key) else bad_key_list.append(key) for key in trunc_keys]和start_time = time.time()来计时结果

结果（平均20次运行）

方法1 ：0.000411 方法2 ：0.000280

我希望方法1更快。我认为列表理解是避免此类实例化的理想选择，因为无需实例化空列表。我发现此线程似乎支持此结果： Python list() vs list comprehension building speed

我对python还是相当陌生，并且希望更好地理解这一点。这么小的列表大小，列表理解是否不会变得有利？我还想念其他东西吗？

感谢您的见解，谢谢！

Answer 1

如果您注意到我们可以计算每条语句执行的时间：

让L为列表的长度

方法1次运行
- is_trunc(key)-运行L * 2
- append(key)-运行L * 0
方法2次运行
- is_trunc(key)-运行L * 1
- append(key)-运行L * 1

在此post中，我们可以看到平均追加时间为：

~115 μs or 0.000115 seconds

方法1的（单循环）总时间，不附加：0.000411 / 2 = 0.0002055
方法2的总时间，不附加：0.000280 - 0.000115 = 0.000165

然后我们可以减去方法1的总时间和方法2的总时间，得出：

循环时差：0.0002055 - 0.000165 = 0.0000405
总循环时差：0.0000405 * 2 = 0.000081

0.000081 基本上可以忽略不计。因此，循环的运行速度几乎完全相同，但是在第一种方法中，您对列表进行了两次迭代，因此花费了两倍的时间。

带走：is_trunc(key)太贵了！你在那里做什么？：）

建立多个列表的方法的速度（是否理解？）

1 个答案: