我在
leetcode上看到了一个有趣的编程练习解决方案.它甚至不是问题/解决方案本身,所以如果你愿意,你可以在提供的链接上阅读它.然而,这是一个很高的投票解决方案:
片段1
def fizzBuzz2(n):
return ["Fizz" * (not i%3) + "Buzz" * (not i%5) or str(i) for i in range(1, n+1)]
片段2
def fizzBuzz(n):
out = []
for i in range(1, n+1):
if i % 3 == 0 and i % 5 == 0:
out.append("FizzBuzz")
elif i % 3 == 0:
out.append("Fizz")
elif i % 5 == 0:
out.append("Buzz")
else:
out.append(str(i))
return out
但是,我期望列表理解能够击败常见的循环,但是当我计时它并不是这样的时候.甚至做了一个dis,Snippet 2有更多指令.
是什么让Snippet 1慢?
最佳答案 你的片段
def fizzBuzz2(n):
return ["Fizz" * (not i%3) + "Buzz" * (not i%5) or str(i) for i in range(1, n+1)]
执行大量的字符串连接(即使是空字符串).我通过额外的模运算来交换它,这节省了连接并且它已经更快了.
def fizzBuzz3(n):
return ["FizzBuzz" if not i%15 else "Fizz" if not i%3 else "Buzz" if not i%5 else str(i) for i in range(1, n+1)]
在我的机器上BTW,两种理解都比“经典”方法更快,所以我得到的结果与你说的不同:
your comp: 4.927702903747559
my listcomp: 4.343341112136841
classical: 6.015967845916748
所以我的优化listcomp获胜(并且似乎也在你的机器上获胜),即使我对listcomp的流控制引起的额外模运算不满意)
我的测试协议执行10000次操作,n = 1000:
import time
start_time = time.time()
for i in range(10000):
fizzBuzz2(1000)
print("your comp:",time.time()-start_time)
start_time = time.time()
for i in range(10000):
fizzBuzz3(1000)
print("my listcomp:",time.time()-start_time)
start_time = time.time()
for i in range(10000):
fizzBuzz(1000)
print("classical:",time.time()-start_time)
请注意,即使预先计算“经典”方法中的模数,它也会下降到5.375272035598755秒(这很好),但由于所有指令仍然比listcomps更糟糕(你还通过调用一个方法来保存模数来杀死listcomp的速度计算).我想python并不是获得最快速度的正确语言.