9

注意：我是一名 Ruby 开发人员，试图在 Python 中找到自己的方式。

当我想弄清楚为什么某些脚本使用mylist[:]而不是list(mylist)复制列表时，我对各种复制方法进行了快速基准测试range(10)（参见下面的代码）。

编辑：我更新了测试以使用 Python timeit，如下所示。这使得无法直接将其与 Ruby 进行比较，因为timeit不考虑循环，而 RubyBenchmark则考虑，因此 Ruby 代码仅供参考。

Python 2.7.2

Array duplicating. Tests run 50000000 times
list(a)     18.7599430084
copy(a)     59.1787488461
a[:]         9.58828091621
a[0:len(a)] 14.9832749367

作为参考，我也在 Ruby 中编写了相同的脚本：

红宝石 1.9.2p0

Array duplicating. Tests 50000000 times
                      user     system      total        real
Array.new(a)     14.590000   0.030000  14.620000 ( 14.693033)
Array[*a]        18.840000   0.060000  18.900000 ( 19.156352)
a.take(a.size)    8.780000   0.020000   8.800000 (  8.805700)
a.clone          16.310000   0.040000  16.350000 ( 16.384711)
a[0,a.size]       8.950000   0.020000   8.970000 (  8.990514)

问题 1：有mylist[:]什么不同之处在于它比 even 快25%mylist[0:len(mylist)]。它是直接复制到内存中还是什么？

问题 2： 编辑：更新后的基准测试不再显示 Python 和 Ruby 的巨大差异。是：我是否以某种明显低效的方式实现了测试，所以 Ruby 代码比 Python 快得多？

现在代码清单：

Python：

import timeit

COUNT = 50000000

print "Array duplicating. Tests run", COUNT, "times"

setup = 'a = range(10); import copy'

print "list(a)\t\t", timeit.timeit(stmt='list(a)', setup=setup, number=COUNT)
print "copy(a)\t\t", timeit.timeit(stmt='copy.copy(a)', setup=setup, number=COUNT)
print "a[:]\t\t", timeit.timeit(stmt='a[:]', setup=setup, number=COUNT)
print "a[0:len(a)]\t", timeit.timeit(stmt='a[0:len(a)]', setup=setup, number=COUNT)

红宝石：

require 'benchmark'

a = (0...10).to_a

COUNT = 50_000_000

puts "Array duplicating. Tests #{COUNT} times"

Benchmark.bm(16) do |x|
  x.report("Array.new(a)")   {COUNT.times{ Array.new(a) }}
  x.report("Array[*a]")   {COUNT.times{ Array[*a] }}
  x.report("a.take(a.size)")   {COUNT.times{ a.take(a.size) }}
  x.report("a.clone")    {COUNT.times{ a.clone }}
  x.report("a[0,a.size]"){COUNT.times{ a[0,a.size] }}
end
4

2 回答 2

9

使用timeitpython 中的模块来测试时间。

from copy import *

a=range(1000)

def cop():
    b=copy(a)

def func1():
    b=list(a)

def slice():
    b=a[:]

def slice_len():
    b=a[0:len(a)]



if __name__=="__main__":
    import timeit
    print "copy(a)",timeit.timeit("cop()", setup="from __main__ import cop")
    print "list(a)",timeit.timeit("func1()", setup="from __main__ import func1")
    print "a[:]",timeit.timeit("slice()", setup="from __main__ import slice")
    print "a[0:len(a)]",timeit.timeit("slice_len()", setup="from __main__ import slice_len")

结果：

copy(a) 3.98940896988
list(a) 2.54542589188
a[:] 1.96630120277                   #winner
a[0:len(a)] 10.5431251526

肯定是涉及的额外步骤a[0:len(a)]是它缓慢的原因。

下面是两者的字节码对比：

In [19]: dis.dis(func1)
  2           0 LOAD_GLOBAL              0 (range)
              3 LOAD_CONST               1 (100000)
              6 CALL_FUNCTION            1
              9 STORE_FAST               0 (a)

  3          12 LOAD_FAST                0 (a)
             15 SLICE+0             
             16 STORE_FAST               1 (b)
             19 LOAD_CONST               0 (None)
             22 RETURN_VALUE        

In [20]: dis.dis(func2)
  2           0 LOAD_GLOBAL              0 (range)
              3 LOAD_CONST               1 (100000)
              6 CALL_FUNCTION            1
              9 STORE_FAST               0 (a)

  3          12 LOAD_FAST                0 (a)    #same up to here
             15 LOAD_CONST               2 (0)    #loads 0
             18 LOAD_GLOBAL              1 (len) # loads the builtin len(),
                                                 # so it might take some lookup time
             21 LOAD_FAST                0 (a)
             24 CALL_FUNCTION            1         
             27 SLICE+3             
             28 STORE_FAST               1 (b)
             31 LOAD_CONST               0 (None)
             34 RETURN_VALUE
于 2012-10-24T11:10:39.510 回答
6

我无法评论 ruby​​ 时间与 python 时间。但我可以评论listvs. slice。这是对字节码的快速检查：

>>> import dis
>>> a = range(10)
>>> def func(a):
...     return a[:]
... 
>>> def func2(a):
...     return list(a)
... 
>>> dis.dis(func)
  2           0 LOAD_FAST                0 (a)
              3 SLICE+0             
              4 RETURN_VALUE        
>>> dis.dis(func2)
  2           0 LOAD_GLOBAL              0 (list)
              3 LOAD_FAST                0 (a)
              6 CALL_FUNCTION            1
              9 RETURN_VALUE

请注意，list需要 aLOAD_GLOBAL才能找到函数list。在 python 中查找全局变量（和调用函数）相对较慢。这可以解释为什么a[0:len(a)]也更慢。还要记住，list需要能够处理任意迭代器，而切片则不能。这意味着list需要分配一个新列表，在迭代列表时将元素打包到该列表中，并在必要时调整大小。这里有一些很昂贵的东西——必要时调整大小和迭代（在 python 中有效，而不是在 C 中）。使用切片方法，您可以计算您需要的内存大小，这样可能可以避免调整大小，并且迭代可以完全在 C 中完成（可能使用 amemcpy或其他东西。

免责声明：我不是 python 开发人员，所以我不知道内部是如何list()实现的。我只是根据我对规范的了解进行推测。

编辑 ——所以我查看了源代码（在 Martijn 的指导下）。相关代码在listobject.c. 然后在第 799 行调用list。如果对象是列表或元组，该函数会检查它是否可以使用快速分支（第 812 行）。最后，从第 834 行开始完成繁重的工作：list_initlistextend

 src = PySequence_Fast_ITEMS(b);
 dest = self->ob_item + m;
 for (i = 0; i < n; i++) {
     PyObject *o = src[i];
     Py_INCREF(o);
     dest[i] = o;
 }

将其与我认为在list_subscript（第 2544 行）中定义的切片版本进行比较。这调用list_slice（第 2570 行），其中繁重的工作由以下循环（第 486 行）完成：

 src = a->ob_item + ilow;
 dest = np->ob_item;
 for (i = 0; i < len; i++) {
     PyObject *v = src[i];
     Py_INCREF(v);
     dest[i] = v;
 }

它们几乎是相同的代码，因此大型列表的性能几乎相同也就不足为奇了（其中解包切片、查找全局变量等小东西的开销变得不那么重要了）

以下是我将如何运行 python 测试（以及我的 Ubuntu 系统的结果）：

$ python -m timeit -s 'a=range(30)' 'list(a)'
1000000 loops, best of 3: 0.39 usec per loop
$ python -m timeit -s 'a=range(30)' 'a[:]'
10000000 loops, best of 3: 0.183 usec per loop
$ python -m timeit -s 'a=range(30)' 'a[0:len(a)]'
1000000 loops, best of 3: 0.254 usec per loop
于 2012-10-24T11:22:21.310 回答