python一加到二十等于多少_Python 3.1新变化之性能改善篇(转载）-小白筆記-匯編語言學習筆記

python一加到二十等于多少_Python 3.1新变化之性能改善篇(转载）

2023-09-18 阅读 31 评论 0

摘要：Python 3.0发布七个月之后，Python核心开发人员于2009年6月27日发布了新的Python3.1版本。虽然此3.1版本只是对Python3.0的一次小型升级，但是它不仅为开发者带来许多让人感兴趣的特性，同时在性能方面也有所改善。在上一篇中，我们为读者详细介绍了P

Python 3.0发布七个月之后，Python核心开发人员于2009年6月27日发布了新的Python

3.1版本。虽然此3.1版本只是对Python

3.0的一次小型升级，但是它不仅为开发者带来许多让人感兴趣的特性，同时在性能方面也有所改善。在上一篇中，我们为读者详细介绍了Python 3.1版本在标准程序库方面的变化，本文则要为读者介绍新版本在性能方面的改善。

在Python

python中的elif。3.1的开发计划中，很大一部分都是关于性能的，那么这一版本发布后，都是哪些性能得到改善呢?下面我们将一一加以介绍。

一、利用C语言实现了I/O库

Python

3.0曾以使用Python实现了一个新的I/O库而引以为豪，但是其性能大家可想而知——和您估计的一样，非常的低。在Python

3.1中，人们利用C语言重新实现了此程序库，所以它的性能得到了极大的提升，大概快了2到20倍。为此，我们写了一段代码：向一个文件中写入5,000,000字节的内容，连续写入10次，然后计算其平均耗时。我们分别在Python

c语言从1加到n？2.5、2.6、3.0和3.1下运行该代码，然后比较其结果。

from__future__importwith_statement

importsys

importtime

ifsys.version_info ==3:

python输出1到100加内容，exec("c = b'X'")

else:

c ='X'

deftest_write_speed():

start = time.time()

python 小于等于。with open('1.txt','wb') as f:

foriinrange(5000000):

f.write(c)

end = time.time() - start

print(end)

python递归1加到100，returnend

times =

times.remove(max(times))

times.remove(min(times))

print('Average:', sum(times) / len(times))

python append函数。这里是上面代码在不同版本下的平均时间(这里以秒为单位)：

* Python 2.5 - 3.0146874487400055

* Python 2.6 - 4.4676837027072906

* Python 3.0 - 33.0755852461

* Python 3.1 - 5.7733258903

python编程？看到这样的结果，是不是既让人感兴趣又让人很困惑呀：对于这个向文件逐字节写入的基本I/O任务，不同Python版本之间的性能差别是不是很明显呢?Python

3.0的性能有了很大的下降，这是可以理解的，原因前面已经提过。不过，Python 2.6的性能比Python

2.5低了50%，而Python 3.1的性能有几乎是Python 2.5的两倍。

对于同样的测试，如果文件作为文本文件打开(即把wb换成w)，并且向文件写入字符串“1”而非写入字节，如下：

...

python append、with open('1.txt','w') as f:

foriinrange(5000000):

f.write('X')

...

则它们的平均时间为(以秒为单位)：

python计算从1加到N、* Python 2.5 - 3.1337025165557861

* Python 2.6 - 2.9250392615795135

* Python 3.0 - 68.4243619442

* Python 3.1 - 3.43869066238

从中我们可以了解到些什么呢?首先，对于该任务Python

python一加到一百的程序。3.0的性能是惨不忍睹的，它写入字符的耗时是写入字节的两倍，并且几乎比Python 3.1的性能地了二十倍。 Python

2.5、2.6和3.1所用的时间大体相当。

二、字符解码

从Python 2.x升级到Python

3.0的时候，Unicode的处理有了明显的改善。以下程序将对一个存放在缓冲区的1,000,000个希伯来语单词“shalom”在UTF-8和UTF-16之间来回进行编码和解码处理。此缓冲区总大小为五百万字节。

from__future__importwith_statement

importsys

importtime

deftest_encode_decode():

shalom =' \u05dd\u05d5\u05dc\u05e9'

text = shalom *1000000

start = time.time()

text_utf8 = text.encode('utf-8')

text_utf16 = text.encode('utf-16')

asserttext_utf8.decode() == text

asserttext_utf16.decode('utf-16') == text

end = time.time() - start

print(shalom, end)

returnend

test = test_encode_decode

if__name__=='__main__':

times =

times.remove(max(times))

times.remove(min(times))

print('Average:', sum(times) / len(times))

当分别在Python 2.5、2.6、3.0和3.1下运行该程序的时候，得到的结果如下所示：

* Python 2.5 - 1.6552573442459106

* Python 2.6 - 1.6100345551967621

* Python 3.0 - 0.280230671167

* Python 3.1 - 0.205590486526

在Python 2.5和2.6下运行此程序的时候，两种的速度大体相当;然而，Python

3.0却要快得多(大约快了5-6倍)，而Python 3.1则要比Python 2.x快了近八倍，比Python

3.0快40%左右。

三、JSON方面的改进

在Python

3.1中，json模块获得了一个C扩展，这使得它的性能有了显著的提高。以下程序将创建一个嵌套的数据结构，该数据结构由一个字典列表构成，而字典又包含其他存放基本值的字典的列表。此程序将整个列表串行化为一个JSON，然后又返回。下面给出了原始数据结构(重复了100次)：

'z': [{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'},

{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'},

{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'}],

'zzz': [{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'},

{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'},

{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'}],

'zz': [{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'},

{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'},

{'a': 1, 'c': 4.5599999999999996, 'b': 'BBBB'}]}

下面是处理清单 1 中的数据的程序：

from__future__importwith_statement

importsys

importtime

importjson

deftest_json():

x = dict(a=1, b='BBBB', c=4.56)

x6 =6*

y = dict(z=x6, zz=2* x6, zzz=3* x6)

print(y)

sys.exit()

o =100*

start = time.time()

j = json.dumps(o)

assertjson.loads(j) == o

end = time.time() - start

returnend

test = test_json

if__name__=='__main__':

times =

times.remove(max(times))

times.remove(min(times))

由于Python 2.5没有提供标准的json模块，所以下面是从Python 2.6、Python 3.0

和Python 3.1中得到的结果：

* Python 2.6: 0.58422702550888062

* Python 3.0: 0.580562502146

* Python 3.1: 0.0455559492111

这些结果表明，Python 2.6和Python 3.0之间没有明显的差别。Python

3.1的速度则提高了一个数量级。这一点非常重要，因为JSON是Web

服务的通用语，如果您的web服务会接收或返回大量的JSON数据的话，编码/解码工作将会占据处理每个请求的很大一部分时间。

还有另一个变化，就是json模块只能跟str(Python 3的Unicode字符串)一起使用，而不能跟字节一起使用。

四、封装属性的管束

Pickle

模块现在会对封装对象的属性名称进行管制，这意味着如果您封装了许多同名对象，那么这些对象必须具有相同的属性名称。因此，您不必给每个对象多次存放相同的字符串(属性名称)，只需保存一个包含所有属性名称的一个表，并保存每个属性的索引即可(或者，仅保存向每个对象的标准属性名称集合中增加或删除的放动态属性)。这样做能够做到尽量减小封装，所以能够更快的加载(或拆封)。

下面的代码中的测试程序定义了一个类A，它有三个很长的属性名称;然后又创建了一个列表，其中含有100000个字典;而每个字典都有一个长的键，并且用对象作为其值。

最后，它将整个列表封装成一个文件，然后对其进行拆封。下面我们看看它所需的时间。

* Python 2.6: 0.58422702550888062

* Python 3.0: 0.580562502146

* Python 3.1: 0.0455559492111

对于Python 3.0和3.1来说，此封装的大小都是200359字节。用时如下所示：

* Python 2.6: 0.58422702550888062

* Python 3.0: 0.580562502146

* Python 3.1: 0.0455559492111

五、其他变化

下面是新版本中一些其他方面的性能改善：

u 元组和字典仅仅存放垃圾收集器不再跟踪的不可跟踪对象