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

Question

我在timeit上获得了非常令人惊讶的结果，有人可以告诉我我做错了什么吗？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倍，因此我需要将时间除以1000000，但是令人惊讶的是Counter的速度比defaultdict（）慢。

那是预期的吗？

编辑：

同样，使用dict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）快，这意味着除非您更关心可读性，否则应使用dict（）而不是defaultdict（）。

Answer 1

是的，这是预期的；该Counter() 构造
的用途Counter.update()，它使用self.get()加载初始值，而不是依靠__missing__。

此外，defaultdict
__missing__工厂完全由C代码处理，尤其是在使用其他类似的类型int()（本身由C实现）时。Counter源是纯Python，因此该Counter.__missing__方法需要Python框架才能执行。

由于dict.get()仍在C中处理，因此对于，构造器方法是更快的方法Counter()，只要您使用相同的技巧Counter.update()和别名self.get作为本地优先项即可：

>>> 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

两者defaultdict并Counter为他们的功能，而不是他们的表现内置有用的类; 不依赖__missing__钩子可以更快：

>>> 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

这是使用别名dict.get()方法以实现最大速度的常规词典。但是随后，您还必须重新实现Counter或Counter.most_common()方法的bag行为。该defaultdict用例去的方式数不胜数。

在Python
3.2中，Counter()通过添加一个处理这种情况的C库来更新速度。参见问题10667。在Python
3.4上进行测试，Counter()构造函数现在击败了别名dict.get情况：

>>> 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：要获得有意义的计时结果，迭代次数从10k增加到100k；因此，如果将上述dict.get()情况与上述情况进行比较，则需要在计时中乘以10倍，即1.144秒）。