Python是一種非常靈活的語言,可以透過多種方式執行單一任務,例如,可以透過多種方式執行初始化清單。以下這篇文章就來帶大家了解幾種Python初始化的方法,並比較一下這幾種方法的效率,希望對大家有幫助。
下面我們就來介紹在Python中初始化列表(我們建立大小為1000並使用零初始化的列表)的一些方法。
方法一:使用for迴圈和append()
我們可以建立一個空的列表,並使用append()方法透過for循環n次來將元素加入到列表中。
arr = [] for i in range(1000): arr.append(0)
方法二:使用帶有計數器變數的while迴圈和append()
這和方法一有點類似,但我們使用while迴圈代替for迴圈。
arr = [] i = 0 while(i<1000): arr.append(0)
方法三:使用列表推導(List Comprehension)
列表推導(List Comprehension) 是一種數學家用來實現眾所周知標記集合的Python方式。它由方括號組成,包含一個表達式,後面跟著一個for子句,後面跟著一個可選的if子句。
表達式可以是我們想要放入列表中的任何類型的物件;由於我們用零初始化列表,因此我們的表達式將只為0。
arr = [0 for i in range(1000)]
說明:用清單推導可以寫高效率的程式碼,它的執行速度比for迴圈快35%。
方法四:使用*運算子
#運算子可以用作[object] * n,其中n是數組中元素的數目。
arr = [0]*1000
程式碼執行時間比較
#下面我們來看看這四種方法的執行時間,看看那種方法會更快。
範例:我們將計算每種方法在500次上初始化10000個元素的陣列所花費的平均時間。
# 导入时间模块以计算时间 import time # 初始化列表以保存时间 forLoopTime = [] whileLoopTime = [] listComprehensionTime = [] starOperatorTime = [] # 重复此过程500次,并计算所用的平均时间。 for k in range(500): # 开始时间 start = time.time() # 声明空列表 a = [] # 执行for循环10000次 for i in range(10000): a.append(0) # 停止时间 stop = time.time() forLoopTime.append(stop-start) # 开始时间 start = time.time() # 声明空列表 a = [] i = 0 # 执行while循环10000次 while(i<10000): a.append(0) i+= 1 stop = time.time() whileLoopTime.append(stop-start) start = time.time() # 使用列表推导(List Comprehension) 来初始化列表 a = [0 for i in range(10000)] stop = time.time() listComprehensionTime.append(stop-start) start = time.time() # 使用*运算符 a = [0]*10000 stop = time.time() starOperatorTime.append(stop-start) print("for循环所用的平均时间:" + str(sum(forLoopTime)/100)) print("while循环所用的平均时间:" + str(sum(whileLoopTime)/100)) print("列表推导所用的平均时间:" + str(sum(listComprehensionTime)/100)) print("* 运算符所用的平均时间: " + str(sum(starOperatorTime)/100))
輸出:
注意:時間將根據執行此程式碼的平台而有所不同。這些時間僅用於研究這些初始化方法的相對性能。
● 可以看出,for和while迴圈所用時間幾乎相同。
● 列表推導的效能比for和while循環好得多,前者的速度要快3-5倍。當我們嘗試建立1-1000的數字清單時,可以看到另一個這種差異的例子。使用列表推導比使用append()好得多。
a = [i for i in range(1,1001)]
● 使用*運算子比其餘方法更快,這是您應該初始化清單的方式
相關影片教學推薦:《Python教學》
以上就是本篇文章的全部內容,希望能對大家的學習有所幫助。更多精彩內容大家可以追蹤php中文網相關教學欄位! ! !
以上是Python如何初始化列表?的詳細內容。更多資訊請關注PHP中文網其他相關文章!