最快的列表索引搜索
起步
这个问题来自 https://stackoverflow.com/questions/25476179/fastest-list-index-searching/ 。大致意思是一个只有 4 个整数元素的数组搜索性能不理想。
可选方案
方法一
if value in mylist:
return mylist.index(value)
这个方案搜索两次，多余了。
方法二
try:
return mylist.index(value)
except ValueError:
return None
这段代码没有了条件检查。
方法三
for i, x in enumerate(mylist):
if x == value:
return i
return None
方法四
if value == mylist[0]: return 0 elif value == mylist[1]: return 1 elif value == mylist[2]: return 2 elif value == mylist [3]: return 3
这个方法最为粗暴，仅针对很小的数组。
测试
我的测试脚本:
#coding: utf-8
import time
import random
def fun1(value, mylist):
if value in mylist:
return mylist.index(value)
def fun2(value, mylist):
try:
return mylist.index(value)
except ValueError:
return None
def fun3(value, mylist):
for i,x in enumerate(mylist):
if x == value:
return i
return None
def fun4(value, arr):
if value == arr[0]:
return 0
elif value == arr[1]:
return 1
elif value == arr[2]:
return 2
elif value == arr[3]:
return 3
return None
target_list = [x for x in range(4)]
# 100w 的测试数据，按二八原则来，有 80% 的概率命中
test_data = [random.randint(1, 4) for _ in range(800000)] + [random.randint(10, 1000) for _ in range(200000)]
random.shuffle(test_data) # 乱序
start_time = time.time()
for item in test_data:
fun1(item, target_list)
end_time = time.time()
print("fun1 use time:", end_time - start_time)
start_time = time.time()
for item in test_data:
fun2(item, target_list)
end_time = time.time()
print("fun2 use time:", end_time - start_time)
start_time = time.time()
for item in test_data:
fun3(item, target_list)
end_time = time.time()
print("fun3 use time:", end_time - start_time)
start_time = time.time()
for item in test_data:
fun4(item, target_list)
end_time = time.time()
print("fun4 use time:", end_time - start_time)
用了 100w 条的测试数据，按 80% 的命中率来进行测试。
测试结果：
fun1 use time: 0.2760157585144043 fun2 use time: 0.45302581787109375 fun3 use time: 0.48602795600891113 fun4 use time: 0.2590148448944092
没想到的是方法一会比方法二来的快，这应该是 try...except...
结构需要额外设置堆栈有关。当我把 mylist 长度调至 300 个时两个方法相当，再往上就是方法二更佳了。方法三的性能损失主要是不断的拆包和解包。尽管方法四最快，但显然这个方法并不推荐。
正文到此结束
热门推荐
相关文章
Loading...
![[HBLOG]公众号](http://www.liuhaihua.cn/img/qrcode_gzh.jpg)
