迭代特定列表的最快方法？

Question

假设我有一个列表：

list=['plu;ean;price;quantity','plu1;ean1;price1;quantity1']

我想遍历列表 + 用“;”分割列表并添加一个 if 子句，如下所示：

for item in list:
    split_item=item.split(";")
    if split_item[0] == "string_value" or split_item[1] == "string_value":
        do something.....

我想知道，这是否是最快的方法？假设我的初始列表更大（有更多列表项）。我尝试了列表推导：

item=[item.split(";") for item in list if item.split(";")[0] == "string_value" or item.split(";")[1] == "string_value"]

但这实际上给了我更慢的结果。第一种情况给我平均 90 毫秒，而第二种情况给我平均 130 毫秒。 我做列表理解错了吗？有更快的解决方案吗？

Answer 1

编辑：事实证明，正则表达式缓存对竞争有点不公平。我的错。正则表达式只快了一小部分。

如果您正在寻找速度，hcwhsa 的答案应该足够好。如果您需要更多，请查看re。

import re
from itertools import chain

lis = ['plu;ean;price;quantity'*1000, 'plu1;ean1;price1;quantity1'*100]*1000

matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match
[l.split(';') for l in lis if matcher(l)]

时间安排，主要是积极的结果（又名。split 是缓慢的主要原因）：

SETUP="
import re
from itertools import chain
matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match

lis = ['plu1;ean1;price1;quantity1'+chr(i) for i in range(10000)] + ['plu;ean;price;quantity' for i in range(10000)]
"

python -m timeit -s "$SETUP" "[[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean']"
python -m timeit -s "$SETUP" "[l.split(';') for l in lis if matcher(l)]"

我们看到我的快一点。

10 loops, best of 3: 55 msec per loop
10 loops, best of 3: 49.5 msec per loop

对于大多数负面结果（大多数东西都被过滤了）：

SETUP="
import re
from itertools import chain
matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match

lis = ['plu1;ean1;price1;quantity1'+chr(i) for i in range(1000)] + ['plu;ean;price;quantity' for i in range(10000)]
"

python -m timeit -s "$SETUP" "[[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean']"
python -m timeit -s "$SETUP" "[l.split(';') for l in lis if matcher(l)]"

领先者触摸更高。

10 loops, best of 3: 40.9 msec per loop
10 loops, best of 3: 35.7 msec per loop

---

如果结果总是唯一的，使用

next([x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean')

或更快的正则表达式版本

next(filter(matcher, lis)).split(';')

（在 Python 2 上使用 itertools.ifilter）。

时间安排：

SETUP="
import re
from itertools import chain
matcher = re.compile('^(?:plu(?:;|$)|[^;]*;ean(?:;|$))').match

lis = ['plu1;ean1;price1;quantity1'+chr(i) for i in range(10000)] + ['plu;ean;price;quantity'] + ['plu1;ean1;price1;quantity1'+chr(i) for i in range(10000)]
"

python -m timeit -s "$SETUP" "[[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean']"
python -m timeit -s "$SETUP" "next([x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== 'plu' or y=='ean')"

python -m timeit -s "$SETUP" "[l.split(';') for l in lis if matcher(l)]"
python -m timeit -s "$SETUP" "next(filter(matcher, lis)).split(';')"

结果：

10 loops, best of 3: 31.3 msec per loop
100 loops, best of 3: 15.2 msec per loop
10 loops, best of 3: 28.8 msec per loop
100 loops, best of 3: 14.1 msec per loop

因此，这极大地促进了这两种方法。

Answer 2

我想知道，这是否是最快的方法？

不，当然不是。与 Python 相比，您可以在手工编码的汇编中更快地实现它。那又怎样？

如果“做某事...”不是微不足道的，并且有很多匹配项，那么做某事 100000 次的成本将比循环 500000 次的成本贵很多，所以找到最快的方法循环根本不重要。

事实上，只在每个循环中调用split 两到三个而不是记住和重用结果将会淹没迭代的成本，并且当你只关心两个结果时不传递 maxsplit 参数也可以。

---

所以，您正在尝试优化错误的东西。但是，如果在你修复了所有其他问题之后，结果证明迭代成本在这里真的很重要呢？

嗯，你不能直接使用推导来加快速度，因为推导是用于返回值的表达式，而不是用于执行操作的语句。

但是，如果您查看您的代码，您会意识到您实际上是在做三件事：拆分每个字符串，然后过滤掉不匹配的字符串，然后执行“做某事”。因此，您可以对前两部分使用推导式，然后您只对通过过滤器的更小的值列表使用慢速 for 循环。

看起来你尝试了这个，但你犯了两个错误。

首先，您最好使用生成器表达式而不是列表推导式 - 您在这里不需要列表，只需要迭代的东西，所以不要花钱构建一个。

第二，你不想split字符串三次。您可能会找到一些复杂的方法来让split 在一次理解中完成一次，但是为什么要麻烦呢？只需将每个步骤写成自己的步骤即可。

所以：

split_items = (item.split(';') for item in items)
filtered_items = (item for item in split_items 
                  if item[0] == "string_value" or item[1] == "string_value")
for item in filtered_items:
    do something...

这实际上会更快吗？如果您可以获得一些真实的测试数据和“做某事......”代码，这表明迭代是一个瓶颈，您可以在这些真实数据和代码上进行测试。在那之前，没有什么可以测试的。

Answer 3

我在这里找到了一个不错的选择。

您可以结合使用地图和过滤器。试试这个：

>>>import itertools
>>>splited_list = itertools.imap(lambda x: x.split(";"), your_list)
>>>result = filter(lambda x: filter(lambda x: x[0] == "plu" or x[1] == "string_value", lista)

第一项将创建元素的迭代器。第二个将过滤它。 我在 IPython Notebook shell 中运行了一个小型基准测试，得到了以下结果：

第一次测试：

尺寸小，单线解决方案效果更好

第二次测试：

列表越大，地图/过滤器解决方案略好

第三次测试：

有了大列表和更大的元素，地图/过滤器解决方案就更好了。

我猜随着列表大小的增加，性能差异会继续增加，直到多出 66% 的时间达到峰值（在 10000 个元素的列表试验中）。

map/filter 解决方案和列表理解解决方案之间的区别在于对 .split() 的调用次数。 Ones 为每个项目调用 3 次，另一个只调用一次，因为列表推导式只是一种将映射/过滤器结合在一起的 Python 方式。我过去经常使用列表推导，并认为我不知道 lambda 是什么。直到我发现地图和列表推导是一回事。

如果你不关心内存使用情况，你可以使用常规地图而不是 imap。它将立即创建带有拆分的列表。它将使用更多的内存来存储它，但它会稍微快一些。

实际上，如果您不关心内存使用情况，您可以使用 2 个列表推导式编写映射/过滤器解决方案，并获得相同的确切结果。结帐：

Answer 4

仅当从str.split(';', 2)检索到的前两项满足条件时才拆分整个字符串：

>>> strs = 'plu;ean;price;quantity'
>>> strs.split(';', 2)
['plu', 'ean', 'price;quantity']

这里只有前两项满足条件才拆分第三项('price;quantity')：

>>> lis = ['plu;ean;price;quantity'*1000, 'plu1;ean1;price1;quantity1'*1000]*1000

普通的 for 循环，列表中每个项目的整个字符串的单个拆分。

>>> %%timeit
for item in lis:
    split_item=item.split(";")
    if split_item[0] == "plu" or split_item[1] == "ean":pass
... 
1 loops, best of 3: 952 ms per loop

列表推导相当于上面的 for 循环：

>>> %timeit [x for x in (item.split(';') for item in lis) if x[0]== "plu" or x[1]=="ean"]
1 loops, best of 3: 961 ms per loop

按需拆分：

>>> %timeit [[x] + [y] + z.split(';') for x, y, z in (item.split(';', 2) for item in lis) if x== "plu" or y=="ean"]
1 loops, best of 3: 508 ms per loop

当然，如果列表和字符串都很小，那么这样的优化就无所谓了。