从range和xrange的性能对比到yield关键字（上）

使用xrange

当我们获取某个数量的循环时，我们惯用的手法是for循环和range函数，例如：

for i in range(10):

    print i

这里range（10）生成了一个长度为10的列表，内容为从0到9，所以这里的for循环实际上是在遍历其中的元素。

如果循环次数过大的时候，range要生成一个巨大的列表，这将导致程序的性能降低。

解决方案是采用xrange，用法基本与range相同：

for i in xrange(10):

    print i

但是二者的性能差距到底有多大？

性能测评

我们使用下面的程序做一个测试：

from time import time

from time import sleep

import sys

def count_time():

    def tmp(func):

        def wrapped(*args, **kargs):

            begin_time = time()

            result = func(*args, **kargs)

            end_time = time()

            cost_time = end_time - begin_time

            print '%s called cost time : %s ms' %(func.__name__, float(cost_time)*1000)

            return result

        return wrapped

    return tmp

@count_time()

def test1(length):

    for i in range(length):

        pass

@count_time()

def test2(length):

    for i in xrange(length):

        pass

if __name__ == '__main__':

    length = int(sys.argv[1])

    test1(length)

    test2(length)

上面的代码中，count_time是一个装饰器，用于统计程序运行的时间。

我们下面开始正式的测试：

wing@ubuntu:~/Documents/py|⇒  python 10.py 100000

test1 called cost time : 13.8590335846 ms

test2 called cost time : 3.76796722412 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 100000

test1 called cost time : 16.725063324 ms

test2 called cost time : 3.08418273926 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 200000

test1 called cost time : 34.875869751 ms

test2 called cost time : 7.85899162292 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 500000

test1 called cost time : 41.6638851166 ms

test2 called cost time : 17.1940326691 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 500000

test1 called cost time : 59.8731040955 ms

test2 called cost time : 14.0538215637 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 500000

test1 called cost time : 94.1109657288 ms

test2 called cost time : 8.5780620575 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 500000

test1 called cost time : 61.615228653 ms

test2 called cost time : 7.21502304077 ms

结果令我们大吃一惊，二者的差距非常明显，最高的时候差距了十几倍。

我们再选取几个较小的数据：

wing@ubuntu:~/Documents/py|⇒  python 10.py 10

test1 called cost time : 0.00596046447754 ms

test2 called cost time : 0.0109672546387 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 20

test1 called cost time : 0.00619888305664 ms

test2 called cost time : 0.159025192261 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 50

test1 called cost time : 0.00786781311035 ms

test2 called cost time : 0.00405311584473 ms

wing@ubuntu:~/Documents/py|⇒  python 10.py 100

test1 called cost time : 0.00786781311035 ms

test2 called cost time : 0.00309944152832 ms

这次range的性能并不差，甚至开始还略显高。

我们可以得出结论，当n较小时，我们使用range，但当i超过一定范围时，我们就必须考虑使用xrange了。

但是，二者性能差距的原因在哪里？

我们下文分析。

巴特西

从range和xrange的性能对比到yield关键字（上）

最新文章

热门文章