python - operator.itemgetter 或 lambda

Question

我很好奇是否有任何迹象表明哪个operator.itemgetter(0)或哪个lambda x:x[0]更好，特别是sorted()作为key关键字参数，因为这是首先想到的用途。是否有任何已知的性能差异？是否有任何与 PEP 相关的偏好或指导？

Answer 1

itemgetter 的性能稍好一些：

>>> f1 = lambda: sorted(w, key=lambda x: x[1])
>>> f2 = lambda: sorted(w, key=itemgetter(1))
>>> timeit(f1)
21.33667682500527
>>> timeit(f2)
16.99106214600033

Answer 2

撇开速度问题不谈，这通常取决于您在哪里创建 itemgetter 或 lambda 函数，我个人认为itemgetter一次获取​​多个项目非常好：例如，itemgetter(0, 4, 3, 9, 19, 20)将创建一个返回项目元组的函数传递给它的 listlike 对象的指定索引。要使用 lambda 执行此操作，您需要lambda x:x[0], x[4], x[3], x[9], x[19], x[20]，这要笨重得多。（然后一些包，例如具有高级索引，除了内置到普通括号符号之外numpy，它的工作原理很像。）itemgetter()

Answer 3

根据我对 1000 个元组列表的基准测试，使用的速度几乎是普通方法itemgetter的两倍。lambda以下是我的代码：

In [1]: a = list(range(1000))

In [2]: b = list(range(1000))

In [3]: import random

In [4]: random.shuffle(a)

In [5]: random.shuffle(b)

In [6]: c = list(zip(a, b))

In [7]: %timeit c.sort(key=lambda x: x[1])
81.4 µs ± 433 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [8]: random.shuffle(c)

In [9]: from operator import itemgetter

In [10]: %timeit c.sort(key=itemgetter(1))
47 µs ± 202 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

我还针对各种列表大小测试了这两种方法的性能（以微秒为单位的运行时间）。

+-----------+--------+------------+
| List size | lambda | itemgetter |
+-----------+--------+------------+
| 100       | 8.19   | 5.09       |
+-----------+--------+------------+
| 1000      | 81.4   | 47         |
+-----------+--------+------------+
| 10000     | 855    | 498        |
+-----------+--------+------------+
| 100000    | 14600  | 10100      |
+-----------+--------+------------+
| 1000000   | 172000 | 131000     |
+-----------+--------+------------+

（生成上图的代码可以在这里找到）

结合从列表中选择多个元素的简洁性，itemgetter显然是在排序方法中使用的赢家。