本文對Python 2 和 Python 3 對集合-list進行迴圈時的執行效率進行比較

• 首先我定義了一個for_test函式，然後利用ipython的魔法函式 %timeit進行執行速度的測試
• %timeit會自動多次執行目標函式來獲得一個更準確的結果。
• 在測試的過程，發現一個比較奇怪的問題，如果不進行賦值操作的話，單單逐個獲取元素，並進行運算，Python 2 的效率高於 Python 3
• 如果加上一個賦值的操作，則Python 3 的效率高於 Python 2
• 但很奇怪的地方是如果我用 %time 來對函式進行一次測試，卻發現Python 2 的效率卻是高於 Python 3 的

用 %time 測試，只執行一次測試函式

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8
        container[i] = num
container = list(range(1000000))
%time for_test(container)

• Python 2

Wall time: 126 ms  # 多次執行的結果都是120-130 ms左右
Wall time: 129 ms
Wall time: 128 ms

• Python 3

Wall time: 191 ms # 多次執行均大於160ms，可以看出其效率低於Python 2 
Wall time: 176 ms
Wall time: 183 ms

用 %timeit 測試，多次執行測試函式

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8
        container[i] = num
container = list(range(1000000))
%timeit for_test(container)

• Python 2

10 loops, best of 3: 348 ms per loop # 可以發現相對於%time的測試結果顯著

• Python 3

176 ms ± 5.96 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

如果測試函式只進行運算而不進行重新賦值，則結果會發生變化

%time

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8

container = list(range(1000000))
%time for_test(container)

• Python 2

Wall time: 98 ms
Wall time: 96 ms
Wall time: 97 ms

Pyhton 3

Wall time: 142 ms
Wall time: 138 ms
Wall time: 175 ms

%timeit

def for_test(container):
    for i, num in enumerate(container):
        num = num/5*10 + 12 - 8

container = list(range(1000000))
%timeit for_test(container)

• Pyhton 2

10 loops, best of 3: 96.7 ms per loop

• Python 3

145 ms ± 4.2 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

總結

我的猜測是 %timeit 在Python 2 和 3 中的執行機制可能不同導致得到的結果不一樣