파이썬 리스트 크기 선언 - paisseon liseuteu keugi seon-eon

1. 리스트를위한 사전 할당 저장소
2. 다른 순차 데이터 구조를위한 사전 할당 스토리지

목록 또는 배열에 대한 사전 할당 스토리지는 프로그래머에게 일반적인 패턴입니다. 그들이 요소의 수를 미리 알 때.

C++ 및 Java 와 달리 Python 에서는 사전 할당 된 모든 저장소를 일부 값으로 초기화해야합니다. 일반적으로 개발자는None,'',False및 0 과 같은 목적으로 잘못된 값을 사용합니다.

파이썬은 고정 된 크기의 목록을 만드는 여러 가지 방법을 제공합니다. 다른 성능 특성.

다른 접근 방식의 성능을 비교하기 위해 Python 의 표준을 사용합니다. 모듈 timeit. 작은 파이썬 코드의 실행 시간을 측정하는 편리한 방법을 제공합니다.

리스트를위한 사전 할당 저장소

*연산자를 사용하는 첫 번째이자 가장 빠른 방법은 지정된 목록을 반복합니다. 횟수.

>>> [None] * 10
[None, None, None, None, None, None, None, None, None, None]

백만 번의 반복 ( timeit에서 반복의 기본값)은 대략 117ms

>>> timeit("[None] * 10")
0.11655918900214601

또 다른 방법은 목록 이해와 함께 range 내장 함수를 사용하는 것입니다.

>>> [None for _ in range(10)]
[None, None, None, None, None, None, None, None, None, None]

거의 6 배 더 느리고 백만 회당 612ms 가 걸립니다.

>>> timeit("[None for _ in range(10)]")
0.6115895550028654

세 번째 방법은 간단한 for 루프를 list.append()와 함께 사용하는 것입니다.

>>> a = []
>>> for _ in range(10):
...   a.append(None)
...
>>> a
[None, None, None, None, None, None, None, None, None, None]

루프를 사용하는 것이 가장 느린 방법이며 백만 회 반복을 완료하는 데 842ms 가 걸립니다.

>>> timeit("for _ in range(10): a.append(None)", setup="a=[]")
0.8420009529945673

다른 순차 데이터 구조를위한 사전 할당 스토리지

순차 데이터 구조를위한 스토리지를 사전 할당하므로 array 내장 데이터를 사용하는 것이 좋습니다. 목록 대신 구조.

>>> from array import array
>>> array('i',(0,)*10)
array('i', [0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

아래에서 볼 수 있듯이이 접근법은[None] * 10 다음으로 두 번째로 빠릅니다.

>>> timeit("array('i',(0,)*10)", setup="from array import array")
0.4557597979946877

위의 순수한 파이썬 접근법을 과학 컴퓨팅을위한 NumPy 파이썬 패키지와 비교해 보자.

>>> from numpy import empty
>>> empty(10)
array([0., 0., 0., 0., 0., 0., 0., 0., 0., 0.])

NumPy 방식은 백만 회당 589ms 가 소요됩니다.

>>> timeit("empty(10)", setup="from numpy import empty")
0.5890094790011062

그러나 NumPy 방식은 더 큰 목록의 경우 훨씬 빠릅니다.

>>> timeit("[None]*10000")
16.059584009999526
>>> timeit("empty(10000)", setup="from numpy import empty")
1.1065983309963485

결론은 작은 목록에 대해서는 [None] * 10 을 고수하는 것이 가장 좋지만 더 큰 순차적 데이터를 처리 할 때 NumPy 의 empty()에.

관련 문장 - Python List