Python新建序列,怎么写更快

将 Python客栈 设为“星标⭐” 第一时间收到最新资讯

一组1000万个0~100的整数序列，用它来生成一个新的序列，要求如果原本序列中是奇数就不变，如果是偶数就变成原来的一半。

你会怎么写？

来看几份参考答案：

青铜：

      
        def for_method(data):
      
      
            result = []
      
      
            for x in data:
      
      
                if x % 2 == 0:
      
      
                    result.append(x // 2)
      
      
                else:
      
      
                    result.append(x)
      
      
            return result
      
      ‍
    

（自测耗时：0.95秒）

新建一个空列表，for循环遍历原列表，依次判断每个元素，如果能被2整除就除以2添加进新列表，否则直接添加进新列表。

白银：

      
        
          def lc_method(data):
        
      
      
            return [x if x % 2 else x // 2 for x in data]
      
    

（自测耗时： 0.75秒 ）

通过列表解析式生成新列表，不仅代码更简洁明了，耗时还变少了。

黄金：

      
        def numpy_method(data):
      
      
            arr = np.array(data)
      
      
            return np.where(arr % 2 == 0, arr // 2, arr).tolist()
      
    

（自测耗时： 0.90秒 ）

用numpy的where方法生成新的数组。看起来效率好像还不如列表解析式嘛？这是因为大部分时间都花在了列表和ndarray的转换上。如果这组序列本身就用numpy的数组来存储的话：

      
        def numpy_array_method(data):
      
      
            return np.where(data % 2 == 0, data // 2, data)
      
    

（自测耗时： 0 .32 秒 ）

速度直接碾压列表解析式。

王者：

      
        @numba.jit(nopython=True)
      
      
        def numba_method(data):
      
      
            result = np.copy(data)
      
      
            for i in range(len(data)):
      
      
                if result[i] % 2 == 0:
      
      
                    result[i] //= 2
      
      
            return result
      
    

（自测耗时： 0 .65 秒 ）

还是用for循环，不过给函数加上一个装饰器，表示用Numba JIT编译，这个看起来平平无奇的写法会有什么效果呢？好像也没有比直接用numpy快多少嘛？

别急，让我们加大剂量，把序列长度调整到1亿，优势就体现出来了。（numba：1.21秒 vs numpy：3.04秒）

你还有其他写法吗？

作者：Crossin的编程教室 往期回顾
1、Ubuntu开始“锈化”
2、这个 AI 生成图片开源项目真好玩！ 3、糟糕，CPU100%了！！！ 4、为啥手机最后1%的电能用很久？真相大白 5、OpenAI员工自曝996作息表，网友：真正的卷不需要强迫

点击关注公众号，阅读更多精彩内容