Python：有很多变量还是将它们的值存储在列表中更好？

Question

我知道这似乎是一个模糊的问题，但我想知道（例如在 Python 中）是否最好将多个值存储在单独的变量中，或者将它们存储在逻辑组中（列表、数组......） .

在我的确切情况下，我应该将 Matlab 代码翻译成 Python 2.7。它是一个基于物理的模型，可以消化 8 个输入变量并创建两个大列表作为输出。我发现原始模型有大量的变量在途中计算（> 100）。根据经验：如果一个计算被多次访问，它会存储在一个新变量中。示范例子：

x = 3
y = 5
x2 = x**2
z = x2 + exp(y)
zz = (y+x)/x2

x^2 使用了两次（用于计算 z 和 zz），所以存储为 x2。这真的比让 python 计算 x**2 两次更快吗？另外，如果我将它们存储在列表中会更快吗？像这样：

x = [3, 5]
z = x[0]**2 + exp(x[1])
zz = sum(x)/x[0]**2

列表中变量的组织可能会牺牲代码的可读性，但如果它能让我的代码运行得更快，我会很乐意接受。

Answer 1

我认为将其保留在列表中没有性能优势。相反，将其放在列表中会使其变慢：

>>>  %%timeit
...: x = 3
...: y = 5
...: x2 = x**2
...: z = x2 + exp(y)
...: zz = (y+x)/x2
...: 
337 ns ± 1.87 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

>>>  %%timeit
...: x = [3, 5]
...: z = x[0]**2 + exp(x[1])
...: zz = sum(x)/x[0]**2
...: 
716 ns ± 4.87 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

现在部分原因是您在列表条件下计算 x**2 两次，但即使修复该问题也不会使列表版本更快：

>>>  %%timeit
...: x = [3, 5]
...: x0 = x[0]**2
...: z = x0 + exp(x[1])
...: zz = sum(x)/x0
...: 
502 ns ± 12.6 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

如果您比较性能，另一个大问题是您定义整数然后将它们转换为浮点数。在 MATLAB 中，x = 5 生成一个浮点数，而在 python 中它生成一个整数。从一开始就使用浮点数做所有事情要快得多，您只需在数字末尾添加 . 或 .0 即可：

>>>  %%timeit
...: x = 3.0
...: y = 5.0
...: x2 = x**2.0
...: z = x2 + exp(y)
...: zz = (y+x)/x2
...: 
166 ns ± 1.12 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

如果你要使用 numpy 数组而不是列表，那就更糟了，因为你从浮点数列表开始，然后必须对数字和列表进行转换，然后再将它们转换回来，所有这些都是慢：

>>> %%timeit
...: x = np.array([3., 5.])
...: x0 = x[0]**2.
...: z = x0 + np.exp(x[1])
...: zz = x.sum()/x0
...: 
3.22 µs ± 8.96 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

作为一般规则，应尽可能避免进行类型转换，并在不利于可读性的情况下避免索引。如果您有一堆值，那么转换为 numpy 很有用。但是对于两三个人来说，它会影响速度和可读性。