给大家整理了相关的编程文章，网友师玉山根据主题投稿了本篇教程内容，涉及到Python数值比较效率、Python数值比较、Python效率、Python数值比较效率相关内容，已被354网友关注，相关难点技巧可以阅读下方的电子资料。
Python数值比较效率
Python数值比较的效率
Python 数值比较运算效率：>,<,==,!=,>=和<=
python数值比较运算有6种，分别为>,<,==,!=,>=和 <=。他们的运算效率如何？采用哪种方式最高效？本文通过使用timeit来测试比较运算的效率。
程序如下：
import timeit
def func1():
for i in range(100000):
if i > 0:
k = 2
def func2():
for i in range(100000):
if i < 0:
k = 2
def func3():
for i in range(100000):
if i == 0:
k = 2
def func4():
for i in range(100000):
if i != 0:
k = 2
def func5():
for i in range(100000):
if i >= 0:
k = 2
def func6():
for i in range(100000):
if i <= 0:
k = 2
if __name__ == '__main__':
func1()
func=[func1,func2,func3,func4,func5,func6]
op = [">","<","==","!=",">=","<="]
for j in range(6):
v = 0
timer = timeit.Timer(func[j])
v+= timer.timeit(number=1000)
print(op[j],":",v)
这是只有if语句的情况，结果如下：
| 比较运算 | 所用时间 |
|---|---|
| > | 3.2038074 |
| < | 2.7034741 |
| == | 2.6940471000000006 |
| != | 3.285996800000001 |
| >= | 3.205210300000001 |
| <= | 2.6961838999999994 |
加上else语句则：
| 比较运算 | 所用时间 |
|---|---|
| > | 3.2270024 |
| < | 3.2400326 |
| == | 3.2511219999999996 |
| != | 3.1877201999999993 |
| >= | 3.2120345000000015 |
| <= | 3.2339978999999985 |
一般情况下，第一个分支比较节省时间。第二个分支会耗时稍微多一些。
不同python实现的效率比较
1.取出内层容器的多个值
如果要从嵌套的列表中获取内层列表每个索引对应的最大(或最小值)，有两种方法：
import time import random a = [[random.randint(0, 1000) for i in range(10)] for j in range(100000)] def method_x(a): """每个索引位置一个生成器表达式""" begin = time.time() b = min(i[0] for i in a) c = min(i[1] for i in a) d = min(i[2] for i in a) e = min(i[3] for i in a) f = min(i[4] for i in a) g = min(i[5] for i in a) h = min(i[6] for i in a) i = min(i[7] for i in a) j = min(i[8] for i in a) k = min(i[9] for i in a) print(time.time()-begin) def method_y(a): """只循环一次算出各个索引对应的值""" begin = time.time() b,c,d,e,f,g,h,i,j,k = 100,100,100,100,100,100,100,100,100,100 for t in a: b = min(t[0], b) c = min(t[1], c) d = min(t[2], d) e = min(t[3], e) f = min(t[4], f) g = min(t[5], g) h = min(t[6], h) i = min(t[7], i) j = min(t[8], j) k = min(t[9], k) print(time.time()-begin)
结果
>>> method_x(a*10)
1.1728243827819824
>>> method_y(a*10)
2.1234960556030273
2.字符串去掉结尾(开头)字符
去除字符串结尾字符，批量操作的话，一般使用 rstrip() 函数，但是这个函数效率不如直接索引快。
import random
import time
# a为10万个长度是11位的字符串列表；b为10万长度为9位的字符串列表；
a = [f'{random.randint(10,100)}xxxyyyzzz' for i in range(100000)]
b = [f'{random.randint(100000,110000)}xyz' for i in range(100000)]
def test1(a, str_cut): # replace
b = time.time()
c = [i.replace(str_cut, '') for i in a]
print(time.time()-b)
def test2(a, str_cut): # rstrip()
b = time.time()
c = [i.rstrip(str_cut) for i in a]
print(time.time()-b)
def test3(a, str_cut): # 索引
b = time.time()
x =len(str_cut)
c = [i[:-x] for i in a]
print(time.time()-b)结果比较，当想去掉字符长度大于保留的长度的时候，rstrip() 效率趋近于 replace() , 想去掉的字符长度小于保留部分时，rstrip() 趋近于直接索引。
>>> test1(a*10, 'xxxyyyzzz')
0.2882061004638672
>>> test2(a*10, 'xxxyyyzzz')
0.2662053108215332
>>> test3(a*10, 'xxxyyyzzz')
0.16613411903381348>>> test1(b*10, 'xyz')
0.2721879482269287
>>> test2(b*10, 'xyz')
0.1911303997039795
>>> test3(b*10, 'xyz')
0.1501011848449707
3. in 操作要用集合
按一样的逻辑写了两版程序，运行时间确差了好多，一步一步找，发现是 in 判断后面用的容器类型不一样。
a = range(0, 100000) b = list(a) c = set(a) def test(a): t = time.time() c = 0 for i in range(0, 100000, 13): if i in a: c += 1 print(c) print(time.time()-t)
测试时间，差距极大：
>>> test(b)
7693
5.649996280670166
>>> test(a)
7693
0.0019681453704833984
每次判断之前把列表转换为集合，能改进运行的效率：
def test(a): t = time.time() c = 0 a = set(a) for i in range(0, 100000, 13): if i in a: c += 1 print(c) print(time.time()-t) >>> test(b) 7693 0.005988359451293945
4. 内置的max()效率低
def getmax(a, b): if a >= b: return a return b
定义一个求最大值的函数，再用random模块提前创造一个长度100的data_list用于测试(random本身耗时高，会让比较效果不明显)。
def main(): t = time.time() for a, b in data_list*10000: max(a, b) print(time.time()-t) def main2(): t = time.time() for a, b in data_list*10000: getmax(a, b) print(time.time()-t)
自定义的函数比使用内置的max()快了近一倍。
>>> main1()
0.2231442928314209
>>> main2()
0.14011740684509277
计算三个数中的最大值时也是这样。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持码农之家。
