[PYTHON] C'est plus rapide d'ajouter que de rejoindre et d'étendre la liste, non?

Mesure de vitesse facile

Mesurons la vitesse lors de l'ajout de sub_list = list (range (10000)) à une liste vide.

1. Vitesse ʻextend`

In:
%%timeit

li = []
li.extend(sub_list)

Out:
26.7 µs ± 2.44 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

2. Vitesse d'addition

In:
%%timeit

li = []
li += sub_list

Out:
25.3 µs ± 281 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

** L'ajout est plus rapide et la vitesse est stable. ʻExtend` est une fonction intégrée, mais c'est lent, n'est-ce pas? ** **

Mesure détaillée de la vitesse

Pour ce problème,

--Longueur de la liste d'origine --Longueur de la liste à ajouter

Puisqu'il y a deux variables, mesurez la vitesse lorsque vous jouez avec elles. Ensuite, soustrayez les vitesses et voyez laquelle des «extensions» et des ajouts l'emporte.

Si la liste est courte

• Axe vertical: longueur de la liste d'origine --Axe horizontal: longueur de la liste à ajouter --White: ʻextend` est plus rapide --Noir: l'addition est plus rapide

** Avantage supplémentaire **

Si la liste est longue

• Axe vertical: longueur de la liste d'origine --Axe horizontal: longueur de la liste à ajouter --White: ʻextend` est plus rapide --Noir: l'addition est plus rapide

** Dominance ʻextend` **

Je me demande si c'est impliqué dans l'implémentation de Python en premier lieu?

code

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from time import time


def extend_time(old_i, new_i):
    old = list(range(10 ** old_i))
    new = list(range(10 ** new_i))
    s = time()
    old.extend(new)
    e = time()
    return e - s


def add_time(old_i, new_i):
    old = list(range(10 ** old_i))
    new = list(range(10 ** new_i))
    s = time()
    old += new
    e = time()
    return e - s


extend_time = np.vectorize(extend_time)
add_time = np.vectorize(add_time)


shape = (8, 8)
extend_graph = np.fromfunction(extend_time, shape, dtype=np.int)
add_graph = np.fromfunction(add_time, shape, dtype=np.int)

result = np.where(extend_graph - add_graph > 0, True, False)
sns.heatmap(result, cbar=False, xticklabels=[10 ** i for i in range(shape[0])], yticklabels=[10 ** i for i in range(shape[0])])
plt.ylabel("old list length")
plt.xlabel("new list length")
plt.show()