len(List)的性能与读取一个变量相比如何？

Question

一个类似的问题已经在这里Cost of len() function被问到了。但是，这个问题看起来关注的是len本身的代价。 假设我有一个重复多次使用len(List)的代码，每次都是O(1)，读取变量也是O(1)，加上赋值也是O(1)。

顺便说一下，我发现n_files = len(Files)比我的代码中反复出现的len(Files)更易读。所以，这已经是我这样做的一个动力了。 你还可以反对我，说在代码的某个地方Files可能会被修改，所以n_files不再正确，但实际情况并非如此。

我的问题是： 在调用len(Files)的次数之后，访问n_files会更快吗？

- oz123

---

考虑到Python每次都需要查找len，所以这个数字可能是1。但为什么不进行一些测试来验证呢？由于两种方法都是O(1)，因此这完全取决于固定成本。 - jonrsharpe

我认为与创建新的“int”实例相比，“len”会更便宜... - oz123

@jonrsharpe 那么这样做len_func = len，然后调用len_func(Files)怎么样？ - DeepSpace

@DeepSpace 这是一个好问题 - 本地别名函数是提高性能的一种方式，这可能会使比较更紧密。不过还有函数调用。 - jonrsharpe

@PadraicCunningham，因为O(1)可能是5毫秒或500毫秒，我正在努力更好地理解Python，而不仅仅是成为一个“编码者”... 在这里提出这个问题也有助于其他人... - oz123

Answer 1

以下是在Windows 7上使用Python 2.7.10对一个包含10个元素的列表进行100万次调用的时间结果(单位为秒)：store表示我们是否存储长度或持续调用len，而alias表示我们是否创建本地别名以供len使用:

Store Alias n=      1      10     100
Yes   Yes       0.862   1.379   6.669
Yes   No        0.792   1.337   6.543
No    Yes       0.914   1.924  11.616
No    No        0.879   1.987  12.617

还有一个包含一千个元素的列表：

Store Alias n=      1      10     100
Yes   Yes       0.877   1.369   6.661
Yes   No        0.785   1.299   6.808
No    Yes       0.926   1.886  11.720
No    No        0.891   1.948  12.843

结论：

• 存储结果比重复调用 len 更有效率，即使在 n == 1 的情况下也是如此；
• 为 len 创建本地别名可以在较大的 n（不存储结果）时稍微改善性能，但并不像存储结果那样有效；
• 列表长度对性能的影响可忽略，这表明整数是否被内部化没有任何区别。

测试脚本：

def test(n, l, store, alias):
    if alias:
        len_ = len
        len_l = len_(l)
    else:
        len_l = len(l)
    for _ in range(n):
        if store:
            _ = len_l
        elif alias:
            _ = len_(l)
        else:
            _ = len(l)

if __name__ == '__main__':
    from itertools import product
    from timeit import timeit
    setup = 'from __main__ import test, l'
    for n, l, store, alias in product(
        (1, 10, 100),
        ([None]*10,),
        (True, False),
        (True, False),
    ):
        test_case = 'test({!r}, l, {!r}, {!r})'.format(n, store, alias)
        print test_case, len(l),
        print timeit(test_case, setup=setup)

- jonrsharpe

Answer 2

在Python中，函数调用是比较耗时的，因此如果您确定在访问变量的长度时，n_files 的大小不会发生改变，那么您可以使用该变量，如果这对您来说更易读的话。

对于访问len(list)和从变量访问的性能测试示例，结果如下：

In [36]: l = list(range(100000))

In [37]: n_l = len(l)

In [40]: %timeit newn = len(l)
10000000 loops, best of 3: 92.8 ns per loop

In [41]: %timeit new_n = n_l
10000000 loops, best of 3: 33.1 ns per loop

访问变量比使用 len() 始终更快。

- Anand S Kumar

Answer 3

使用len(Files)而不是n_files可能会更慢。是的，你必须查找n_files，但在前一种情况下，你将不得不查找len和Files，然后在此基础上调用一个“计算”Files长度的函数。

- skyking

---

你觉得这个回答补充了什么？ - jonrsharpe

@jonrsharpe 这是一个理论上的解释，为什么它应该更快。其中两个答案或多或少只是实验测试，以查看哪个最快，而Anands则指出函数调用是昂贵的（这可能是真的）。 - skyking

目前，Python 不会计算列表的长度。它作为对象内的变量存储。 https://github.com/python/cpython/blob/2.5/Objects/listobject.c#L379 - DonCarleone

@DonCarleone 在这种情况下，“计算”可以被视为仅是O(1)操作。 - fdermishin

@fdermishin 计算 /ˈkalkyəˌlāt/ 动词 1. 通过数学方法确定（某物的数量或数字）。 - DonCarleone

Answer 4

使用l = len(li)更快：

python -m timeit -s "li = [1, 2, 3]" "len(li)"
1000000 loops, best of 3: 0.239 usec per loop

python -m timeit -s "li = [1, 2, 3]; l = len(li)" "l"
10000000 loops, best of 3: 0.0949 usec per loop

- f43d65