为什么偶尔解析字典需要比平时更长的时间

Question

在处理一个相当大的 Python(3) 项目时，我遇到了这种奇怪的行为，即迭代字典会非常偶尔（

这是一个显示行为的非常小的示例：

    from time import perf_counter
    from statistics import mean

    d = {"1": 0}
    times = []

    for _ in range(1000000):
        start = perf_counter()
        d = {k: v for k, v in d.items()}
        diff = (perf_counter() - start) * 10e6
        if diff > 0:
           times.append(diff)

    print("Mean: {}".format(mean(times)))
    print("Max: {}".format(max(times)))

例如。运行一次，平均时间为 10.806199298240244 微秒，但最大时间为 31015.980057418346 微秒，比正常时间长约 3000 倍。

有没有办法可以避免这种行为，还是 Python 固有的？

编辑：使用 perf_counter() 而不是 datetime 进行计时

Answer 1

您提交的大多数字典创建操作只花费了几纳秒 - 并且被视为 0 微秒。因此，每一个有一些延迟的动作，即使延迟只有几微秒，都算作一个巨大的变化 - 每个0 结果都会降低平均值超出其范围。

此外，最大结果与其他结果高度不同（它们通常是由于 CPU 的问题） - 使用偏差可以清楚地显示差异，并标记正常结果的一般范围。

---

试试

from time import perf_counter
from statistics import mean, stdev

d = {"1": 0}
times = []

for _ in range(100000):
    start = perf_counter()
    d = {k: v for k, v in d.items()}
    diff = (perf_counter() - start) * 10e6
    if diff > 0:
        times.append(diff)

print("Mean: {}".format(mean(times)))
print("Stddev: {}".format(stdev(times)))
print("Max: {}".format(max(times)))

与使用 time.time 或 datetime.now 相比，您应该得到更少的极端差异 - 并且小得多的结果（另外，看看标准偏差）：

Mean: 11.520527719010078
Stddev: 4.476865528640042
Max: 443.1869339160954