Why is it slower to iterate over a small string than a small list?
我在玩timeit,注意到在一个小字符串上做一个简单的列表理解比在一个小字符串列表上做同样的操作要花更长的时间。有什么解释吗?这几乎是时间的1.35倍。
1 2 3 4 5 | >>> from timeit import timeit >>> timeit("[x for x in 'abc']") 2.0691067844831528 >>> timeit("[x for x in ['a', 'b', 'c']]") 1.5286479570345861 |
在较低的层次上发生了什么导致了这一点?
页:1
- (P)The actual speed difference is closer to 70%(or more)11 a lot of the overhead is removed,for Python 2.好的,好的。
- (P)2.Object creation is not at fault.Neither method creates a new object,as one-character strings are cached.好的,好的。
- (P)The difference is unobvious,but is like created from a greater number of checks on string indexing,with regards to the type and well-formedness.It is also quite likely thanks to the need to check what to return.好的,好的。
- (P)List indexing is remarkably fast.好的,好的。
字母名称(P)这场灾难与你所发现的…好的,好的。(P)You must be using Python 2,then.好的,好的。字母名称(P)让我们解释一下版本之间的区别。I'll examine the compiled code.好的,好的。(P)For Python 3:好的,好的。字母名称(P)You see here that the list variant is like to be slower due to the building of the list each time.好的,好的。(P)这是好的,好的。字母名称(P)页:1The string variant only has好的,好的。字母名称(P)You can check that this does seem to make a difference:好的,好的。字母名称(P)This produces just好的,好的。字母名称(P)As Tuples are imutable.测试:好的,好的。字母名称(P)很好,回头见。好的,好的。(P)For Python 2:好的,好的。字母名称(P)The ODD thing is that we have the same building of the list,but it's still faster for this.Python 2 is acting strangely fast.好的,好的。(P)让我们重新开始,重新开始。The EDOCX1 o nique is to prevent it getting optimised out.好的,好的。字母名称(P)We can see that initialization is not significant enough to account for the difference between the versions(those numbers are small)!We can thus conclude that pyton 3 has slower comprehensions.This makes sense as pyton 3 changed comprehensions to have safe scoping.好的,好的。(P)Well,now improve the benchmark(I'm just removing over head that isn't iteration).This removes the building of the迭接ble by pre-assigning it:好的,好的。字母名称字母名称(P)我们可以检查如果呼叫EDOCX1的英文字母1是头:好的,好的。字母名称字母名称(P)不,不,不。The difference is too small,especially for Python 3.好的,好的。(P)这样我们就可以把它移开了做所有的事情!The aim is just to have a longer iteration so the time hides overhead.好的,好的。字母名称字母名称(P)这并不是一个真正的变化,但它是一个小的。好的,好的。(P)So remove the comprehension.It's overhead that's not part of the question:好的,好的。字母名称字母名称(P)That's more like it!We can get slightly faster still by using EDOCX1 English 2 to iterate.It's basically the same,but it's faster:好的,好的。字母名称字母名称(P)我的印象是,唯一的竞争对手是拜占庭。We can check this explicitly by trying EDOCX1 plus 3 welcx1 and EDOCX1 in both:好的,好的。
- (P)字母名称好的,好的。字母名称字母名称(P)在这里,你看到Python 3 actually faster than Python 2。好的,好的。
- (P)字母名称4好的,好的。
1
2
3
4
5>>> python3 -m timeit -s 'import random; from collections import deque; iterable = u"".join( chr(random.randint(0, 127)) for _ in range(100000))' 'deque(iterable, maxlen=0)'
1000 loops, best of 3: 800 usec per loop
>>> python3 -m timeit -s 'import random; from collections import deque; iterable = [ chr(random.randint(0, 127)) for _ in range(100000)]' 'deque(iterable, maxlen=0)'
1000 loops, best of 3: 394 usec per loop1
2
3
4
5>>> python2 -m timeit -s 'import random; from collections import deque; iterable = u"".join(unichr(random.randint(0, 127)) for _ in range(100000))' 'deque(iterable, maxlen=0)'
1000 loops, best of 3: 1.07 msec per loop
>>> python2 -m timeit -s 'import random; from collections import deque; iterable = [unichr(random.randint(0, 127)) for _ in range(100000)]' 'deque(iterable, maxlen=0)'
1000 loops, best of 3: 469 usec per loop号
同样,python 3速度更快,尽管这是意料之中的(
str 在python3中引起了很大的关注)。好的。
事实上,这个
因此,让我们分析一下这一个案例,因为它对我来说既快捷又方便:好的。
1 2 3 4 5 | >>> python3 -m timeit -s 'import random; from collections import deque; iterable ="".join(chr(random.randint(0, 127)) for _ in range(100000))' 'deque(iterable, maxlen=0)' 1000 loops, best of 3: 777 usec per loop >>> python3 -m timeit -s 'import random; from collections import deque; iterable = [chr(random.randint(0, 127)) for _ in range(100000)]' 'deque(iterable, maxlen=0)' 1000 loops, best of 3: 405 usec per loop |
实际上,我们可以排除蒂姆·彼得10次投赞成票的答案!好的。
1 2 3 | >>> foo = iterable[123] >>> iterable[36] is foo True |
。这些不是新物体!
但这值得一提:指数化成本。差异可能在索引中,因此删除迭代并只索引:好的。
1 2 3 4 5 | >>> python3 -m timeit -s 'import random; iterable ="".join(chr(random.randint(0, 127)) for _ in range(100000))' 'iterable[123]' 10000000 loops, best of 3: 0.0397 usec per loop >>> python3 -m timeit -s 'import random; iterable = [chr(random.randint(0, 127)) for _ in range(100000)]' 'iterable[123]' 10000000 loops, best of 3: 0.0374 usec per loop |
差别似乎不大,但至少一半的成本是间接费用:好的。
1 2 | >>> python3 -m timeit -s 'import random; iterable = [chr(random.randint(0, 127)) for _ in range(100000)]' 'iterable; 123' 100000000 loops, best of 3: 0.0173 usec per loop |
。
所以速度差就足以决定归咎于它。我想。好的。
那么,为什么索引列表的速度要快得多呢?好的。
好吧,我会回复你的,但我想这取决于检查内部字符串(或者缓存字符,如果它是一个单独的机制的话)。这将比最佳速度慢。但我会去查一下来源(虽然我对C不太满意):。好的。
以下是资料来源:好的。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 | static PyObject * unicode_getitem(PyObject *self, Py_ssize_t index) { void *data; enum PyUnicode_Kind kind; Py_UCS4 ch; PyObject *res; if (!PyUnicode_Check(self) || PyUnicode_READY(self) == -1) { PyErr_BadArgument(); return NULL; } if (index < 0 || index >= PyUnicode_GET_LENGTH(self)) { PyErr_SetString(PyExc_IndexError,"string index out of range"); return NULL; } kind = PyUnicode_KIND(self); data = PyUnicode_DATA(self); ch = PyUnicode_READ(kind, data, index); if (ch < 256) return get_latin1_char(ch); res = PyUnicode_New(1, ch); if (res == NULL) return NULL; kind = PyUnicode_KIND(res); data = PyUnicode_DATA(res); PyUnicode_WRITE(kind, data, 0, ch); assert(_PyUnicode_CheckConsistency(res, 1)); return res; } |
。
从上面走,我们会有一些支票。这些很无聊。然后一些分配,这也应该是无聊的。第一句有趣的话是好的。
1 | ch = PyUnicode_READ(kind, data, index); |
但我们希望这很快,因为我们通过索引从一个连续的C数组中读取数据。结果,
所以我们就跑(放弃第一张支票)好的。
1 2 3 4 | kind = PyUnicode_KIND(self); data = PyUnicode_DATA(self); ch = PyUnicode_READ(kind, data, index); return get_latin1_char(ch); |
。
在哪里?好的。
1 2 3 4 | #define PyUnicode_KIND(op) \ (assert(PyUnicode_Check(op)), \ assert(PyUnicode_IS_READY(op)), \ ((PyASCIIObject *)(op))->state.kind) |
(这很无聊,因为断言在调试时会被忽略[所以我可以检查它们是否快速],并且
1 2 3 4 | #define PyUnicode_DATA(op) \ (assert(PyUnicode_Check(op)), \ PyUnicode_IS_COMPACT(op) ? _PyUnicode_COMPACT_DATA(op) : \ _PyUnicode_NONCOMPACT_DATA(op)) |
。
(由于类似的原因,这也很无聊,假设宏(
1 2 3 4 5 6 7 8 9 | #define PyUnicode_READ(kind, data, index) \ ((Py_UCS4) \ ((kind) == PyUnicode_1BYTE_KIND ? \ ((const Py_UCS1 *)(data))[(index)] : \ ((kind) == PyUnicode_2BYTE_KIND ? \ ((const Py_UCS2 *)(data))[(index)] : \ ((const Py_UCS4 *)(data))[(index)] \ ) \ )) |
号
(涉及索引,但实际上并不慢)和好的。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | static PyObject* get_latin1_char(unsigned char ch) { PyObject *unicode = unicode_latin1[ch]; if (!unicode) { unicode = PyUnicode_New(1, ch); if (!unicode) return NULL; PyUnicode_1BYTE_DATA(unicode)[0] = ch; assert(_PyUnicode_CheckConsistency(unicode, 1)); unicode_latin1[ch] = unicode; } Py_INCREF(unicode); return unicode; } |
号
这证实了我的怀疑:好的。
这是缓存的:好的。
1PyObject *unicode = unicode_latin1[ch];号
这应该很快。
if (!unicode) 没有运行,因此在这种情况下,它实际上相当于好的。1
2
3PyObject *unicode = unicode_latin1[ch];
Py_INCREF(unicode);
return unicode;号
老实说,在测试了
1 2 3 | PyUnicode_IS_COMPACT(op) _PyUnicode_COMPACT_DATA(op) _PyUnicode_NONCOMPACT_DATA(op) |
号
它们是:好的。
1 2 | #define PyUnicode_IS_COMPACT(op) \ (((PyASCIIObject*)(op))->state.compact) |
号
(像以前一样快)好的。
1 2 3 4 | #define _PyUnicode_COMPACT_DATA(op) \ (PyUnicode_IS_ASCII(op) ? \ ((void*)((PyASCIIObject*)(op) + 1)) : \ ((void*)((PyCompactUnicodeObject*)(op) + 1))) |
号
(如果宏
1 2 3 | #define _PyUnicode_NONCOMPACT_DATA(op) \ (assert(((PyUnicodeObject*)(op))->data.any), \ ((((PyUnicodeObject *)(op))->data.any))) |
号
(同样快速,因为它是断言加上间接寻址加上强制转换)。好的。
所以我们下(兔子洞)去:好的。
1 | PyUnicode_IS_ASCII |
号
哪个是好的。
1 2 3 4 | #define PyUnicode_IS_ASCII(op) \ (assert(PyUnicode_Check(op)), \ assert(PyUnicode_IS_READY(op)), \ ((PyASCIIObject*)op)->state.ascii) |
隐马尔可夫模型。。。那似乎太快了…好的。
好吧,好吧,不过我们把它和
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | PyObject * PyList_GetItem(PyObject *op, Py_ssize_t i) { if (!PyList_Check(op)) { PyErr_BadInternalCall(); return NULL; } if (i < 0 || i >= Py_SIZE(op)) { if (indexerr == NULL) { indexerr = PyUnicode_FromString( "list index out of range"); if (indexerr == NULL) return NULL; } PyErr_SetObject(PyExc_IndexError, indexerr); return NULL; } return ((PyListObject *)op) -> ob_item[i]; } |
。
我们可以看到,在非错误情况下,这只会运行:好的。
1 2 3 | PyList_Check(op) Py_SIZE(op) ((PyListObject *)op) -> ob_item[i] |
号
其中that got fixed and merged in 5 minutes.Like…是啊。Damn.他们都被诅咒了好的,好的。字母名称字母名称字母名称(P)So this is normally really little(two indirections and a couple of boolen checks)unless EDOCX1 genital is on,in which case…什么?是好的,好的。(P)他们有无独立和一个城堡(EDOCX1)和我们的捐赠。好的,好的。(P)So there are definitely fewer checks for lists,and the small speed differences certainly imply that it could be relevant.好的,好的。(P)I think in general,there's just more type-checking and indirection EDOCX1It seems I'm missing a point,but what?好的,好的。好吧。
当您迭代大多数容器对象(列表、元组、dicts,…)时,迭代器将传递容器中的对象。
但是当您在一个字符串上迭代时,必须为每个传递的字符创建一个新的对象-字符串不是"容器",在同样的意义上,列表是一个容器。在迭代创建这些对象之前,字符串中的单个字符不作为不同的对象存在。
为字符串创建迭代器可能会产生开销。而数组在实例化时已经包含迭代器。
编辑:
1 2 3 4 | >>> timeit("[x for x in ['a','b','c']]") 0.3818681240081787 >>> timeit("[x for x in 'abc']") 0.3732869625091553 |
这是用2.7运行的,但是在我的Mac Book Pro i7上。这可能是系统配置差异的结果。