您的位置:首页 > 脚本大全 > > 正文

python字符串的拼接与分割(Python字符串通过'+'和join函数拼接新字符串的性能测试比较)

更多 时间:2022-01-15 01:13:04 类别:脚本大全 浏览量:899

python字符串的拼接与分割

Python字符串通过'+'和join函数拼接新字符串的性能测试比较

有一道Python面试题, 以下代码有什么局限性,要如何修改

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • def strTest(num):
  •   s = 'Hello'
  •   for i in range(num):
  •     s += 'x'
  •   return s
  • 上面的代码其实可以看出:由于变量str是不变对象,每次遍历,Python都会生成新的str对象来存储新的字符串,所以num越大,创建的str对象就越多,内存消耗约大,速度越慢,性能越差。 如果要改变上面的问题,可以变字符串拼接为join联合的方式,代码如下:

  • ?
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • def strTest2(num):
  •   s = 'Hello'
  •   l = list(s)
  •   for i in range(num):
  •     l.append('x')
  •   return ''.join(l)
  • 下面两种不同处理方式,运行速度的比较:

  • ?
  • 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
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50
  • 51
  • 52
  • 53
  • 54
  • 55
  • 56
  • 57
  • 58
  • 59
  • 60
  • 61
  • 62
  • 63
  • >>> def strTest1(num):
  • ...   s = 'Hello'
  • ...   for i in range(num):
  • ...     s += 'x'
  • ...   return s
  • >>> def strTest2(num):
  • ...   s = 'Hello'
  • ...   l = list(s)
  • ...   for i in range(num):
  • ...     l.append(s)
  • ...   return ''.join(l)
  • >>>
  • >>> from timeit import timeit
  • # 运行10万级别数据,运行速度比对
  • >>> timeit("strTest1(100000)", setup="from __main__ import strTest1", number=1)
  • 0.016680980406363233
  • >>> timeit("strTest2(100000)", setup="from __main__ import strTest2", number=1)
  • 0.009688869110618725
  • # 运行100万级别数据,运行速度比对
  • >>> timeit("strTest1(1000000)", setup="from __main__ import strTest1", number=1)
  • 0.14558920607187195
  • >>> timeit("strTest2(1000000)", setup="from __main__ import strTest2", number=1)
  • 0.1335057276853462
  • # 运行1000万级别数据,运行速度比对
  • >>> timeit("strTest1(10000000)", setup="from __main__ import strTest1", number=1)
  • 5.9497953107860475
  • >>> timeit("strTest2(10000000)", setup="from __main__ import strTest2", number=1)
  • 1.3268972136649921
  • # 运行2000万级别数据,运行速度比对
  • >>> timeit("strTest1(20000000)", setup="from __main__ import strTest1", number=1)
  • 21.661270140499056
  • >>> timeit("strTest2(20000000)", setup="from __main__ import strTest2", number=1)
  • 2.6981786518920217
  • # 运行3000万级别数据,运行速度比对
  • >>> timeit("strTest1(30000000)", setup="from __main__ import strTest1", number=1)
  • 49.858089123966295
  • >>> timeit("strTest2(30000000)", setup="from __main__ import strTest2", number=1)
  • 4.285787770209481
  • # 运行4000万级别数据,运行速度比对
  • >>> timeit("strTest1(40000000)", setup="from __main__ import strTest1", number=1)
  • 86.67876273457563
  • >>> timeit("strTest2(40000000)", setup="from __main__ import strTest2", number=1)
  • 5.328653452047092
  • # 运行5000万级别数据,运行速度比对
  • >>> timeit("strTest1(50000000)", setup="from __main__ import strTest1", number=1)
  • 130.59138063819023
  • >>> timeit("strTest2(50000000)", setup="from __main__ import strTest2", number=1)
  • 6.8375931077291625
  • # 运行6000万级别数据,运行速度比对
  • >>> timeit("strTest1(60000000)", setup="from __main__ import strTest1", number=1)
  • 188.28227241975003
  • >>> timeit("strTest2(60000000)", setup="from __main__ import strTest2", number=1)
  • 8.080144489401846
  • # 运行7000万级别数据,运行速度比对
  • >>> timeit("strTest1(70000000)", setup="from __main__ import strTest1", number=1)
  • 256.54383904350277
  • >>> timeit("strTest2(70000000)", setup="from __main__ import strTest2", number=1)
  • 9.387400816458012
  • # 运行8000万级别数据,运行速度比对
  • >>> timeit("strTest1(80000000)", setup="from __main__ import strTest1", number=1)
  • 333.7185806572388
  • >>> timeit("strTest2(80000000)", setup="from __main__ import strTest2", number=1)
  • 10.946627677462857
  • 从上面的比对数据可以看出,当数据比较小的时候,两者差别不大,当数据越大,两者性能差距就越大。从而可以看出,字符串拼接的方式一旦碰到大数据处理的时候,性能是非常慢的。 

    总结

    以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对开心学习网的支持。如果你想了解更多相关内容请查看下面相关链接

    原文链接:https://blog.csdn.net/Jerry_1126/article/details/86584936

    您可能感兴趣