时间戳

首页 > 解决方案 > 为什么排序时 Python 列表会变慢？

python - 为什么排序时 Python 列表会变慢？

问题描述

在下面的代码中，我创建了两个具有相同值的列表：一个列表未排序 (s_not)，另一个列表已排序 (s_yes)。这些值由 randint() 创建。我为每个列表运行一些循环并计时。

import random
import time

for x in range(1,9):

    r = 10**x # do different val for the bound in randint()
    m = int(r/2)

    print("For rand", r)

    # s_not is non sorted list
    s_not = [random.randint(1,r) for i in range(10**7)]

    # s_yes is sorted
    s_yes = sorted(s_not)

    # do some loop over the sorted list
    start = time.time()
    for i in s_yes:
        if i > m:
            _ = 1
        else:
            _ = 1
    end = time.time()
    print("yes", end-start)

    # do the same to the unsorted list
    start = time.time()
    for i in s_not:
        if i > m:
            _ = 1
        else:
            _ = 1
    end = time.time()
    print("not", end-start)

    print()

带输出：

For rand 10
yes 1.0437555313110352
not 1.1074268817901611

For rand 100
yes 1.0802974700927734
not 1.1524150371551514

For rand 1000
yes 2.5082249641418457
not 1.129960298538208

For rand 10000
yes 3.145440101623535
not 1.1366300582885742

For rand 100000
yes 3.313387393951416
not 1.1393756866455078

For rand 1000000
yes 3.3180911540985107
not 1.1336982250213623

For rand 10000000
yes 3.3231537342071533
not 1.13503098487854

For rand 100000000
yes 3.311596393585205
not 1.1345293521881104

因此，当增加 randint() 中的界限时，排序列表上的循环会变慢。为什么？

标签： pythonlistcaching

解决方案

缓存未命中。当Nint 对象被背靠背分配时，为保存它们而保留的内存往往位于连续的块中。因此，按分配顺序遍历列表往往会访问按顺序、连续、递增顺序保存整数值的内存。

随机播放它，爬过列表时的访问模式也是随机的。缓存未命中比比皆是，只要有足够多不同的 int 对象，它们并不都适合缓存。

在r==1, 和r==2处，CPython 碰巧将这样的小整数视为单例，因此，例如，尽管列表中有 1000 万个元素，r==2但它只包含（最多）100 个不同的 int 对象。那些同时适合缓存的所有数据。

但是，除此之外，您可能会获得更多、更多、更多不同的 int 对象。当访问模式是随机的时，硬件缓存变得越来越没用。

说明：

>>> from random import randint, seed
>>> seed(987987987)
>>> for x in range(1, 9):
...     r = 10 ** x
...     js = [randint(1, r) for _ in range(10_000_000)]
...     unique = set(map(id, js))
...     print(f"{r:12,} {len(unique):12,}")
...     
          10           10
         100          100
       1,000    7,440,909
      10,000    9,744,400
     100,000    9,974,838
   1,000,000    9,997,739
  10,000,000    9,999,908
 100,000,000    9,999,998

推荐阅读