Python timeit 的令人惊讶的结果：Counter() vs defaultdict() vs dict()

我使用 timeit 获得了非常令人惊讶的结果，有人可以告诉我我是否做错了什么？我正在使用Python 2.7。

这是文件 speedtest_init.py 的内容：

import random

to_count = [random.randint(0, 100) for r in range(60)]

这些是 speedtest.py 的内容：

__author__ = 'BlueTrin'

import timeit

def test_init1():
    print(timeit.timeit('import speedtest_init'))

def test_counter1():
    s = """\
    d = defaultdict(int);
    for i in speedtest_init.to_count:
        d[i] += 1
    """
    print(timeit.timeit(s, 'from collections import defaultdict; import speedtest_init;'))

def test_counter2():
    print(timeit.timeit('d = Counter(speedtest_init.to_count);', 'from collections import Counter; import speedtest_init;'))


if __name__ == "__main__":
    test_init1()
    test_counter1()
    test_counter2()

控制台输出为：

C:\Python27\python.exe C:/Dev/codility/chlorum2014/speedtest.py
2.71501962931
65.7090444503
91.2953839048

Process finished with exit code 0

我认为默认情况下 timeit() 运行代码的 1000000 次，因此我需要将时间除以 1000000，但令人惊讶的是 Counter 比 defaultdict() 慢。

这是预期的吗？

EDIT:

使用 dict 也比 defaultdict(int) 更快：

def test_counter3():
    s = """\
    d = {};
    for i in speedtest_init.to_count:
        if i not in d:
            d[i] = 1
        else:
            d[i] += 1
    """
    print(timeit.timeit(stmt=s, setup='from collections import defaultdict; import speedtest_init;')

最后一个版本比 defaultdict(int) 更快，这意味着除非您更关心可读性，否则应该使用 dict() 而不是 defaultdict()。

是的，这是预期的；这Counter() 构造函数 uses Counter.update()它使用self.get()加载初始值而不是依赖__missing__.

此外，defaultdict __missing__工厂完全用 C 代码处理，特别是在使用另一种类型时，例如int()它本身是用 C 实现的。Counter源是纯Python，因此Counter.__missing__方法需要Python框架才能执行。

Because dict.get()仍然用 C 处理，构造函数方法是更快的方法Counter()，只要你使用同样的技巧Counter.update()使用和别名self.get首先作为本地查找：

>>> import timeit
>>> import random
>>> import sys
>>> sys.version_info
sys.version_info(major=2, minor=7, micro=9, releaselevel='final', serial=0)
>>> to_count = [random.randint(0, 100) for r in range(60)]
>>> timeit.timeit('for i in to_count: c[i] += 1',
...               'from collections import Counter; from __main__ import to_count; c = Counter()',
...               number=10000)
0.2510359287261963
>>> timeit.timeit('for i in to_count: c[i] = c_get(i, 0) + 1',
...               'from collections import Counter; from __main__ import to_count; c = Counter(); c_get = c.get',
...               number=10000)
0.20978617668151855

Both defaultdict and Counter是为功能而非性能而构建的有用类；不依赖于__missing__hook 还可以更快：

>>> timeit.timeit('for i in to_count: d[i] = d_get(i, 0) + 1',
...               'from __main__ import to_count; d = {}; d_get = d.get',
...               number=10000)
0.11437392234802246

这是一个使用别名的常规字典dict.get()最大速度的方法。但随后你还必须重新实现 bag 行为Counter， 或者Counter.most_common()方法。这defaultdict用例远远超出了计算的范围。

在 Python 3.2 中，更新了Counter()通过添加处理这种情况的 C 库，速度得到了提升；看问题 10667。在 Python 3.4 上进行测试Counter()构造函数现在击败了别名dict.get case:

>>> timeit.timeit('Counter(to_count)',
...               'from collections import Counter; from __main__ import to_count',
...               number=100000)
0.8332311600097455
>>> timeit.timeit('for i in to_count: d[i] = d_get(i, 0) + 1',
...               'from __main__ import to_count; d = {}; d_get = d.get',
...               number=100000)
0.961191965994658
>>> import sys
>>> sys.version_info
sys.version_info(major=3, minor=4, micro=2, releaselevel='final', serial=0)

（注意：为了获得有意义的计时结果，迭代次数从 10k 增加到 100k；因此，如果将这些与dict.get()在上面的情况下，您需要将计时时间乘以 10，即 1.144 秒）。