এর জন্য পাইথোনিক উপায়টি হ'ল:
x = [None] * numElements
অথবা পূর্বনির্ধারিত মানটি যা আপনি প্রিপআপ করতে চান, যেমন
bottles = [Beer()] * 99
sea = [Fish()] * many
vegetarianPizzas = [None] * peopleOrderingPizzaNotQuiche
[সম্পাদনা করুন: ক্রেতা সাবধান নীতি দ্য [Beer()] * 99সিনট্যাক্স সৃষ্টি এক Beer এবং তারপর একই একক ক্ষেত্রটিকেই 99 রেফারেন্স সহ একটি বিন্যাস মান]
পাইথনের ডিফল্ট পদ্ধতিটি বেশ দক্ষ হতে পারে, যদিও উপাদানগুলির সংখ্যা বৃদ্ধি করার সাথে সাথে সেই দক্ষতা হ্রাস পায়।
তুলনা করা
import time
class Timer(object):
def __enter__(self):
self.start = time.time()
return self
def __exit__(self, *args):
end = time.time()
secs = end - self.start
msecs = secs * 1000 # millisecs
print('%fms' % msecs)
Elements = 100000
Iterations = 144
print('Elements: %d, Iterations: %d' % (Elements, Iterations))
def doAppend():
result = []
i = 0
while i < Elements:
result.append(i)
i += 1
def doAllocate():
result = [None] * Elements
i = 0
while i < Elements:
result[i] = i
i += 1
def doGenerator():
return list(i for i in range(Elements))
def test(name, fn):
print("%s: " % name, end="")
with Timer() as t:
x = 0
while x < Iterations:
fn()
x += 1
test('doAppend', doAppend)
test('doAllocate', doAllocate)
test('doGenerator', doGenerator)
সঙ্গে
#include <vector>
typedef std::vector<unsigned int> Vec;
static const unsigned int Elements = 100000;
static const unsigned int Iterations = 144;
void doAppend()
{
Vec v;
for (unsigned int i = 0; i < Elements; ++i) {
v.push_back(i);
}
}
void doReserve()
{
Vec v;
v.reserve(Elements);
for (unsigned int i = 0; i < Elements; ++i) {
v.push_back(i);
}
}
void doAllocate()
{
Vec v;
v.resize(Elements);
for (unsigned int i = 0; i < Elements; ++i) {
v[i] = i;
}
}
#include <iostream>
#include <chrono>
using namespace std;
void test(const char* name, void(*fn)(void))
{
cout << name << ": ";
auto start = chrono::high_resolution_clock::now();
for (unsigned int i = 0; i < Iterations; ++i) {
fn();
}
auto end = chrono::high_resolution_clock::now();
auto elapsed = end - start;
cout << chrono::duration<double, milli>(elapsed).count() << "ms\n";
}
int main()
{
cout << "Elements: " << Elements << ", Iterations: " << Iterations << '\n';
test("doAppend", doAppend);
test("doReserve", doReserve);
test("doAllocate", doAllocate);
}
আমার উইন্ডোজ 7 আই 7-তে, 64-বিট পাইথন দেয়
Elements: 100000, Iterations: 144
doAppend: 3587.204933ms
doAllocate: 2701.154947ms
doGenerator: 1721.098185ms
সি ++ দেয় যখন (এমএসভিসি, 64-বিট, অপ্টিমাইজেশান সক্ষম হয়েছে)
Elements: 100000, Iterations: 144
doAppend: 74.0042ms
doReserve: 27.0015ms
doAllocate: 5.0003ms
সি ++ ডিবাগ বিল্ড উত্পাদন করে:
Elements: 100000, Iterations: 144
doAppend: 2166.12ms
doReserve: 2082.12ms
doAllocate: 273.016ms
এখানে মূল কথাটি হ'ল পাইথনের সাহায্যে আপনি 7-8% পারফরম্যান্সের উন্নতি অর্জন করতে পারবেন এবং যদি আপনি মনে করেন আপনি একটি উচ্চ-পারফরম্যান্স অ্যাপ্লিকেশন লিখছেন (বা আপনি যদি কোনও ওয়েব সার্ভিসে বা কোনও কিছুতে ব্যবহৃত হয় এমন কিছু লিখছেন) তবে এটিকে কমিয়ে দেওয়া উচিত নয়, তবে আপনার নিজের ভাষা পছন্দ সম্পর্কে পুনর্বিবেচনা করতে হতে পারে।
এছাড়াও, এখানে পাইথন কোডটি সত্যই পাইথন কোড নয়। সত্যিকারের পাইথোনস্ক কোডটি এখানে স্যুইচ করা আরও ভাল পারফরম্যান্স দেয়:
import time
class Timer(object):
def __enter__(self):
self.start = time.time()
return self
def __exit__(self, *args):
end = time.time()
secs = end - self.start
msecs = secs * 1000 # millisecs
print('%fms' % msecs)
Elements = 100000
Iterations = 144
print('Elements: %d, Iterations: %d' % (Elements, Iterations))
def doAppend():
for x in range(Iterations):
result = []
for i in range(Elements):
result.append(i)
def doAllocate():
for x in range(Iterations):
result = [None] * Elements
for i in range(Elements):
result[i] = i
def doGenerator():
for x in range(Iterations):
result = list(i for i in range(Elements))
def test(name, fn):
print("%s: " % name, end="")
with Timer() as t:
fn()
test('doAppend', doAppend)
test('doAllocate', doAllocate)
test('doGenerator', doGenerator)
যা দেয়
Elements: 100000, Iterations: 144
doAppend: 2153.122902ms
doAllocate: 1346.076965ms
doGenerator: 1614.092112ms
(32-বিট doGenerator doAllocon চেয়ে ভাল করে)।
এখানে ডোঅ্যাপেন্ড এবং ডোঅলোকোটের মধ্যে ব্যবধানটি উল্লেখযোগ্যভাবে বৃহত্তর।
স্পষ্টতই, এখানে পার্থক্যগুলি কেবলমাত্র তখনই প্রযোজ্য যদি আপনি কয়েকবারের চেয়ে বেশি সময় এটি করে থাকেন বা আপনি যদি ভারী বোঝাই ব্যবস্থায় এটি করছেন যেখানে সেই সংখ্যাগুলি প্রশস্ততার অর্ডার দ্বারা বেরিয়ে যেতে চলেছে বা আপনি যদি এর সাথে লেনদেন করছেন যথেষ্ট বড় তালিকা।
এখানে বক্তব্য: সেরা অভিনয়ের জন্য এটি অজগর উপায়ে করুন।
তবে আপনি যদি সাধারণ, উচ্চ-স্তরের পারফরম্যান্স নিয়ে চিন্তিত হন তবে পাইথন হ'ল ভুল ভাষা। পাইথন ফাংশন কলগুলির সর্বাধিক মৌলিক সমস্যাটি পাইথন বৈশিষ্ট্যগুলির মতো পাইথন বৈশিষ্ট্যগুলির কারণে languagesতিহ্যগতভাবে অন্যান্য ভাষার তুলনায় 300x পর্যন্ত কম ছিল ( https://wiki.python.org/moin/PythonSpeed/PerformanceTips#Data_Agregation#Data_Agregation )।