More than 5 years have passed since last update.

Python配列の生成＆アクセスの速度

Posted at 2018-09-05

#背景

「配列の要素に先頭から最後まで順番にアクセスしていく」処理が必要になったが、配列が大きくなると、結構重い処理になる。少しでもアクセス速度を上げたい。

この記事の改良(https://qiita.com/pegasusBS15/items/75da968c9d3ee285f851)
前の記事は配列の生成とアクセスが混交していたので、分けて速度を確認

#環境

#方法
比較する配列の型は4種類

リスト
辞書
タプル
Numpyのarray
各配列は一次元で0から999の数字を格納
処理時間の計測はJupyter notebook上でマジックコマンド%timeit、%%timeitを使用
複数回実行して、処理時間の平均・標準偏差を出してくれるので、処理時間にばらつきのあるプログラムの時に便利

#結果

###リスト型
####生成

%timeit List = list(range(10**3))

15.8 µs ± 546 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

####アクセス

List = list(range(10**3))
b = 0
%timeit for w in List: b = w

14.9 µs ± 364 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

###タプル型
####生成

%timeit Tuple = tuple(range(10**3))

14.3 µs ± 99.2 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

####アクセス

Tuple = tuple(range(10**3))
b = 0
%timeit for w in Tuple: b = w

15 µs ± 72.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

###辞書型

####生成

%timeit Dict = {i:i for i in range(10**3)}

63.3 µs ± 2.18 µs per loop (mean ± std. dev. of 7 runs, 100

####アクセス

Dict = {i:i for i in range(10**3)}
b = 0
%timeit for w in Dict: b = w

20.5 µs ± 381 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

###Numpyのarray型

####生成

%%timeit
import numpy as np
Array = np.array([range(10**3)])

106 µs ± 2.42 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

#####生成（一応import抜いたら）

import numpy as np
%timeit Array = np.array([range(10**3)])

97.4 µs ± 332 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each

####アクセス

import numpy as np
Array = np.array([range(10**3)])
b = 0
%timeit for w in Array: b = w

862 ns ± 171 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
※単位がこれだけns

#結論
生成だけならListやTupleが速い
Numpyのarrayは生成遅いけど、アクセスが圧倒的に速い
何度もアクセスする場合はNumpyが良さそう
※用途に合わせて使い分ける
※そもそもリストの要素に何度もアクセスするようなコードを書かないほうが良い