python 一些方法的时间测试

尝试一些方法的不同实现，比较一下时间，电脑比较渣，不过只是做个比较

虽然用python主要是方便，肯定是不快的，不过能快一点还是快一点好

numpy中大量使用同样 shape 的全 0 array，可以使用 np.zero() 方法或者是先开一个之后 copy：

 %%time
 for i in range(5000000):
     a = np.zeros((100,10))
     a = np.zeros((100,10))
     a = np.zeros((100,10))

Wall time: 17.1 s

 %%time
 b = np.zeros((100,10))
 for i in range(5000000):
     a = b.copy()
     a = b.copy()
     a = b.copy()

Wall time: 15.1 s

貌似先开一个，之后copy比较快，不过差异不明显

range() 还是 np.arrange()，最近用 array 有点多，经常啥都开 array

 %%time
 for p in range(50000):
     a = np.arange(100000)

Wall time: 3.72 s

%%time
for p in range(50000):
    a = range(100000)

Wall time: 31 ms

差距还是非常明显（不用想都知道2333），如果不需要用 array 方法的时候，还是 list 好了

访问 list 等下标，用 range(长度)，不过先保存长度成常量还是多次用 len 方法

 %%time
 a = np.arange(100000)
 l = len(a)
 for p in range(50000000):
     range(l)

Wall time: 23.3 s

 %%time
 a = np.arange(100000)
 for p in range(50000000):
     range(len(a))

Wall time: 27.9 s

就这样看，应该调用 len 方法还是有点慢的，虽然差异也不是非常大，len 应该不是 O(n) 实现，可能是对象直接保存的一个属性，不过访问起来还是先存下来更快点

遍历一个 array ，同时使用标号

我会遍历下标长度的一个 list 来遍历它，用 zip 把标号和 array 合并，或者 emunerate ，或者干脆维护一个 id，循环中累加

 %%time
 for i in range(5000000):
     a = np.arange(10,30)
     l = len(a)
     for id in range(l):
         x = id+a[id]

Wall time: 50 s

 %%time
 for i in range(5000000):
     a = np.arange(10,30)
     b = zip(range(len(a)),a)
     for item1,item2 in b:
         x = item1+item2

Wall time: 51.2 s

 %%time
 for i in range(5000000):
     a = np.arange(10,30)
     c = enumerate(a)
     for item1,item2 in c:
         x = item1+item2

Wall time: 52.3 s

 %%time
 for i in range(5000000):
     a = np.arange(10,30)
     d = zip(np.arange(len(a)),a)
     for item1,item2 in d:
         x = item1+item2

Wall time: 52.9 s

 %%time
 for i in range(5000000):
     a = np.arange(10,30)
     id = 0
     for item in a:
         x = id+item
         id += 1

Wall time: 1min 1s

看上去只有维护 id 累加最慢，其他都差别不太大，那只要条件允许大概还是按 C 的习惯开一个下标的 list 来遍历下标好了