python生成器的效率
今天在做一个list处理，由于内容较多，导致迟迟不过来结果，用性能分析后，发现慢在构造list的过程中。
由于是将所有数据都记载到内存计算，导致速度太慢。后面找到解决方案是采用yield构造生成器来处理。
速率大大的提升。
下面就针对yield和不适用yield做一个性能呢个对比，采用经典的斐波拉契数列计算。
def fib(n):
result = []
a=1
b=1
result.append(a)
for i in range(n-1):
a,b = b,a+b
result.append(a)
return result
这个函数是没有采用yield构建list.
def fib1(n):
a=1
yield a
b=1
for i in range(n-1):
a,b = b,a+b
yield a
这个函数采用yield生成数列。
当n较小的时候。两者没有多大差别。
print fib(10000) 当n很大时，差别体现出来了。我这里使用10000，在我自己基本上基本就停止工作了，出不来结果
for i in fib1(10000):
print i
而采用这种方式，同样是10000 。2.4s就完成了。可想而知，效率差别多大
由于是将所有数据都记载到内存计算，导致速度太慢。后面找到解决方案是采用yield构造生成器来处理。
速率大大的提升。
下面就针对yield和不适用yield做一个性能呢个对比，采用经典的斐波拉契数列计算。
def fib(n):
result = []
a=1
b=1
result.append(a)
for i in range(n-1):
a,b = b,a+b
result.append(a)
return result
这个函数是没有采用yield构建list.
def fib1(n):
a=1
yield a
b=1
for i in range(n-1):
a,b = b,a+b
yield a
这个函数采用yield生成数列。
当n较小的时候。两者没有多大差别。
print fib(10000) 当n很大时，差别体现出来了。我这里使用10000，在我自己基本上基本就停止工作了，出不来结果
for i in fib1(10000):
print i
而采用这种方式，同样是10000 。2.4s就完成了。可想而知，效率差别多大
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/22418990/viewspace-1254964/ ，如需转载，请注明出处，否则将追究法律责任。
下一篇：
python 正则表达式
请登录后发表评论
登录
全部评论
