it-swarm-id.com

Apakah tuple lebih efisien daripada daftar di Python?

Apakah ada perbedaan kinerja antara tupel dan daftar ketika datang ke instantiation dan pengambilan elemen?

191
Readonly

Modul dis membongkar kode byte untuk suatu fungsi dan berguna untuk melihat perbedaan antara tupel dan daftar.

Dalam kasus ini, Anda dapat melihat bahwa mengakses elemen menghasilkan kode yang identik, tetapi menetapkan Tuple jauh lebih cepat daripada menetapkan daftar.

>>> def a():
...     x=[1,2,3,4,5]
...     y=x[2]
...
>>> def b():
...     x=(1,2,3,4,5)
...     y=x[2]
...
>>> import dis
>>> dis.dis(a)
  2           0 LOAD_CONST               1 (1)
              3 LOAD_CONST               2 (2)
              6 LOAD_CONST               3 (3)
              9 LOAD_CONST               4 (4)
             12 LOAD_CONST               5 (5)
             15 BUILD_LIST               5
             18 STORE_FAST               0 (x)

  3          21 LOAD_FAST                0 (x)
             24 LOAD_CONST               2 (2)
             27 BINARY_SUBSCR
             28 STORE_FAST               1 (y)
             31 LOAD_CONST               0 (None)
             34 RETURN_VALUE
>>> dis.dis(b)
  2           0 LOAD_CONST               6 ((1, 2, 3, 4, 5))
              3 STORE_FAST               0 (x)

  3           6 LOAD_FAST                0 (x)
              9 LOAD_CONST               2 (2)
             12 BINARY_SUBSCR
             13 STORE_FAST               1 (y)
             16 LOAD_CONST               0 (None)
             19 RETURN_VALUE
152
Mark Harrison

Secara umum, Anda mungkin mengharapkan tuple menjadi sedikit lebih cepat. Namun Anda harus menguji kasus spesifik Anda (jika perbedaannya dapat berdampak pada kinerja program Anda - ingat "optimasi prematur adalah akar dari semua kejahatan").

Python membuatnya sangat mudah: timeit adalah teman Anda.

$ python -m timeit "x=(1,2,3,4,5,6,7,8)"
10000000 loops, best of 3: 0.0388 usec per loop

$ python -m timeit "x=[1,2,3,4,5,6,7,8]"
1000000 loops, best of 3: 0.363 usec per loop

dan...

$ python -m timeit -s "x=(1,2,3,4,5,6,7,8)" "y=x[3]"
10000000 loops, best of 3: 0.0938 usec per loop

$ python -m timeit -s "x=[1,2,3,4,5,6,7,8]" "y=x[3]"
10000000 loops, best of 3: 0.0649 usec per loop

Jadi dalam kasus ini, instantiasi hampir merupakan urutan besarnya lebih cepat untuk Tuple, tetapi akses item sebenarnya agak lebih cepat untuk daftar! Jadi, jika Anda membuat beberapa tupel dan mengaksesnya berkali-kali, mungkin sebenarnya lebih cepat menggunakan daftar.

Tentu saja jika Anda ingin mengubah suatu item, daftarnya pasti akan lebih cepat karena Anda harus membuat seluruh Tuple baru untuk mengubah satu item dari itu (karena tupel tidak berubah).

194
dF.

Ringkasan

Tuple cenderung berkinerja lebih baik daripada daftar di hampir setiap kategori:

1) Tuples dapat konstan dilipat .

2) Tuples dapat digunakan kembali alih-alih disalin.

3) Tuple kompak dan tidak mengalokasikan berlebihan.

4) Tuples mereferensikan elemen mereka secara langsung.

Tuples dapat dilipat secara konstan

Tupel konstanta dapat dihitung dengan pengoptimal lubang pengintai Python atau pengoptimal AST. Daftar, di sisi lain, dibangun dari awal:

    >>> from dis import dis

    >>> dis(compile("(10, 'abc')", '', 'eval'))
      1           0 LOAD_CONST               2 ((10, 'abc'))
                  3 RETURN_VALUE   

    >>> dis(compile("[10, 'abc']", '', 'eval'))
      1           0 LOAD_CONST               0 (10)
                  3 LOAD_CONST               1 ('abc')
                  6 BUILD_LIST               2
                  9 RETURN_VALUE 

Tuples tidak perlu disalin

Menjalankan Tuple(some_Tuple) segera kembali dengan sendirinya. Karena tupel tidak dapat diubah, mereka tidak harus disalin:

>>> a = (10, 20, 30)
>>> b = Tuple(a)
>>> a is b
True

Sebaliknya, list(some_list) mengharuskan semua data untuk disalin ke daftar baru:

>>> a = [10, 20, 30]
>>> b = list(a)
>>> a is b
False

Tuples tidak mengalokasikan secara berlebihan

Karena ukuran Tuple ditetapkan, ia dapat disimpan lebih kompak daripada daftar yang perlu dialokasikan berlebihan untuk membuat append () operasi yang efisien.

Ini memberi tuple keuntungan ruang yang bagus:

>>> import sys
>>> sys.getsizeof(Tuple(iter(range(10))))
128
>>> sys.getsizeof(list(iter(range(10))))
200

Berikut adalah komentar dari Objek/listobject.c yang menjelaskan daftar apa yang sedang dilakukan:

/* This over-allocates proportional to the list size, making room
 * for additional growth.  The over-allocation is mild, but is
 * enough to give linear-time amortized behavior over a long
 * sequence of appends() in the presence of a poorly-performing
 * system realloc().
 * The growth pattern is:  0, 4, 8, 16, 25, 35, 46, 58, 72, 88, ...
 * Note: new_allocated won't overflow because the largest possible value
 *       is PY_SSIZE_T_MAX * (9 / 8) + 6 which always fits in a size_t.
 */

Tuples merujuk langsung ke elemen mereka

Referensi ke objek digabungkan secara langsung dalam objek Tuple. Sebaliknya, daftar memiliki lapisan tipuan ekstra ke array eksternal pointer.

Ini memberi tuple keuntungan kecepatan kecil untuk pencarian yang diindeks dan dibongkar:

$ python3.6 -m timeit -s 'a = (10, 20, 30)' 'a[1]'
10000000 loops, best of 3: 0.0304 usec per loop
$ python3.6 -m timeit -s 'a = [10, 20, 30]' 'a[1]'
10000000 loops, best of 3: 0.0309 usec per loop

$ python3.6 -m timeit -s 'a = (10, 20, 30)' 'x, y, z = a'
10000000 loops, best of 3: 0.0249 usec per loop
$ python3.6 -m timeit -s 'a = [10, 20, 30]' 'x, y, z = a'
10000000 loops, best of 3: 0.0251 usec per loop

Di Sini adalah bagaimana Tuple (10, 20) Disimpan:

    typedef struct {
        Py_ssize_t ob_refcnt;
        struct _typeobject *ob_type;
        Py_ssize_t ob_size;
        PyObject *ob_item[2];     /* store a pointer to 10 and a pointer to 20 */
    } PyTupleObject;

Di Sini adalah bagaimana daftar [10, 20] Disimpan:

    PyObject arr[2];              /* store a pointer to 10 and a pointer to 20 */

    typedef struct {
        Py_ssize_t ob_refcnt;
        struct _typeobject *ob_type;
        Py_ssize_t ob_size;
        PyObject **ob_item = arr; /* store a pointer to the two-pointer array */
        Py_ssize_t allocated;
    } PyListObject;

Perhatikan bahwa objek Tuple menggabungkan dua pointer data secara langsung sementara objek daftar memiliki lapisan tipuan tambahan ke array eksternal yang memegang dua pointer data.

166

Tuples, yang tidak berubah, lebih hemat memori; daftar, untuk efisiensi, memori keseluruhan untuk memungkinkan menambahkan tanpa reallocs konstan. Jadi, jika Anda ingin mengulang melalui urutan nilai yang konstan dalam kode Anda (misalnya for direction in 'up', 'right', 'down', 'left':), Tupel lebih disukai, karena tupel tersebut telah dihitung sebelumnya dalam waktu kompilasi.

Kecepatan akses harus sama (keduanya disimpan sebagai array yang bersebelahan dalam memori).

Tapi, alist.append(item) lebih disukai untuk atuple+= (item,) ketika Anda berurusan dengan data yang bisa diubah. Ingat, tupel dimaksudkan untuk diperlakukan sebagai catatan tanpa nama bidang.

31
tzot

Anda juga harus mempertimbangkan modul array di perpustakaan standar jika semua item dalam daftar Anda atau Tuple memiliki tipe C yang sama. Ini akan memakan lebih sedikit memori dan bisa lebih cepat.

9
Ralph Corderoy

Tuples harus sedikit lebih efisien dan karena itu, lebih cepat, daripada daftar karena mereka tidak berubah.

4
ctcherry

Berikut adalah patokan kecil lain, hanya demi itu ..

In [11]: %timeit list(range(100))
749 ns ± 2.41 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [12]: %timeit Tuple(range(100))
781 ns ± 3.34 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

In [1]: %timeit list(range(1_000))
13.5 µs ± 466 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [2]: %timeit Tuple(range(1_000))
12.4 µs ± 182 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

In [7]: %timeit list(range(10_000))
182 µs ± 810 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [8]: %timeit Tuple(range(10_000))
188 µs ± 2.38 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [3]: %timeit list(range(1_00_000))
2.76 ms ± 30.5 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [4]: %timeit Tuple(range(1_00_000))
2.74 ms ± 31.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [10]: %timeit list(range(10_00_000))
28.1 ms ± 266 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [9]: %timeit Tuple(range(10_00_000))
28.5 ms ± 447 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

Mari kita rata-rata ini:

In [3]: l = np.array([749 * 10 ** -9, 13.5 * 10 ** -6, 182 * 10 ** -6, 2.76 * 10 ** -3, 28.1 * 10 ** -3])

In [2]: t = np.array([781 * 10 ** -9, 12.4 * 10 ** -6, 188 * 10 ** -6, 2.74 * 10 ** -3, 28.5 * 10 ** -3])

In [11]: np.average(l)
Out[11]: 0.0062112498000000006

In [12]: np.average(t)
Out[12]: 0.0062882362

In [17]: np.average(t) / np.average(l)  * 100
Out[17]: 101.23946713590554

Anda dapat menyebutnya hampir tidak meyakinkan.

Tapi tentu saja, tupel mengambil 101.239% waktu, atau 1.239% waktu ekstra untuk melakukan pekerjaan dibandingkan dengan daftar.

3
Dev Aggarwal