时间优化：性能，访问列表列表中的值，数组numpy列表

Question

我一直在尝试优化我的代码。

我比较了4种可能的编码选择，以便在列表列表的一个单元格中获取值（或将列表替换为数组）。

M = 1000
my_list = [[] for i in range(M)]
for i in range(M):
    for j in range(M):
        my_list[i].append(0)
my_numpy_list = [ np.full(M,1) for i in range(M) ]
time1 = time.time()
for j in range(1000):
    for i in range(10000):
        my_list[0][0]
print( "1  ", time.time() - time1)

time1 = time.time()
for j in range(1000):
    test_list = my_list[0]
    for i in range(10000):
        test_list[0]
print("2 ",time.time() - time1)

for j in range(1000):
    for i in range(10000):
        my_numpy_list[0][0]
print("3 ", time.time() - time1)


for j in range(1000):
    my_numpy_test_list = my_numpy_list[0]
    for i in range(10000):
        my_numpy_test_list[0]
print( "4  ", time.time() - time1)

在我的计算机上，它给出以下时间：

1   0.9008669853210449
2  0.7616724967956543
3  2.9174351692199707
4   4.883266925811768

问题是，为什么访问numpy数组中的值的时间更长？如果更长，将数组转换为列表以更快地访问数据该怎么办。尤其令我惊讶的是，存储在列表中的数组（案例4）是最慢的情况。时间到了：

4 <2 <3 <1？

欢呼声

Answer 1

因为numpy的目标不是使您的数据访问更快。相反，numpy的目标是允许您编写向量化代码并避免循环。

让我们修改您的示例，并使您的代码在list / np.array的每个元素中加1”>

M = 1000
my_list = [[] for i in range(M)]
for i in range(M):
    for j in range(M):
        my_list[i].append(0)
my_numpy_array = np.array([ np.full(M,1) for i in range(M) ])
time1 = time.time()

time1 = time.time()
for j in range(1000):
    test_list = my_list[0]
    for i in range(10000):
        test_list[0]+1
print("list case addition",time.time() - time1)

time2 = time.time()
my_numpy_list = my_numpy_array+1
print("numpy case addition",time.time() - time2)
输出为：

list case addition 0.7961978912353516
numpy case addition 0.0031096935272216797
大约快250倍