有一道Python面试题， 以下代码有什么局限性，要如何修改

def strTest(num):

s = 'Hello'

for i in range(num):

s += 'x'

return s

上面的代码其实可以看出：由于变量str是不变对象，每次遍历，Python都会生成新的str对象来存储新的字符串，所以num越大，创建的str对象就越多，内存消耗约大，速度越慢，性能越差。 如果要改变上面的问题，可以变字符串拼接为join联合的方式，代码如下:

def strTest2(num):

s = 'Hello'

l = list(s)

for i in range(num):

l.append('x')

return ''.join(l)

下面两种不同处理方式，运行速度的比较:

>>> def strTest1(num):

... s = 'Hello'

... for i in range(num):

... s += 'x'

... return s

>>> def strTest2(num):

... s = 'Hello'

... l = list(s)

... for i in range(num):

... l.append(s)

... return ''.join(l)

>>>

>>> from timeit import timeit

# 运行10万级别数据，运行速度比对

>>> timeit("strTest1(100000)", setup="from __main__ import strTest1", number=1)

0.016680980406363233

>>> timeit("strTest2(100000)", setup="from __main__ import strTest2", number=1)

0.009688869110618725

# 运行100万级别数据，运行速度比对

>>> timeit("strTest1(1000000)", setup="from __main__ import strTest1", number=1)

0.14558920607187195

>>> timeit("strTest2(1000000)", setup="from __main__ import strTest2", number=1)

0.1335057276853462

# 运行1000万级别数据，运行速度比对

>>> timeit("strTest1(10000000)", setup="from __main__ import strTest1", number=1)

5.9497953107860475

>>> timeit("strTest2(10000000)", setup="from __main__ import strTest2", number=1)

1.3268972136649921

# 运行2000万级别数据，运行速度比对

>>> timeit("strTest1(20000000)", setup="from __main__ import strTest1", number=1)

21.661270140499056

>>> timeit("strTest2(20000000)", setup="from __main__ import strTest2", number=1)

2.6981786518920217

# 运行3000万级别数据，运行速度比对

>>> timeit("strTest1(30000000)", setup="from __main__ import strTest1", number=1)

49.858089123966295

>>> timeit("strTest2(30000000)", setup="from __main__ import strTest2", number=1)

4.285787770209481

# 运行4000万级别数据，运行速度比对

>>> timeit("strTest1(40000000)", setup="from __main__ import strTest1", number=1)

86.67876273457563

>>> timeit("strTest2(40000000)", setup="from __main__ import strTest2", number=1)

5.328653452047092

# 运行5000万级别数据，运行速度比对

>>> timeit("strTest1(50000000)", setup="from __main__ import strTest1", number=1)

130.59138063819023

>>> timeit("strTest2(50000000)", setup="from __main__ import strTest2", number=1)

6.8375931077291625

# 运行6000万级别数据，运行速度比对

>>> timeit("strTest1(60000000)", setup="from __main__ import strTest1", number=1)

188.28227241975003

>>> timeit("strTest2(60000000)", setup="from __main__ import strTest2", number=1)

8.080144489401846

# 运行7000万级别数据，运行速度比对

>>> timeit("strTest1(70000000)", setup="from __main__ import strTest1", number=1)

256.54383904350277

>>> timeit("strTest2(70000000)", setup="from __main__ import strTest2", number=1)

9.387400816458012

# 运行8000万级别数据，运行速度比对

>>> timeit("strTest1(80000000)", setup="from __main__ import strTest1", number=1)

333.7185806572388

>>> timeit("strTest2(80000000)", setup="from __main__ import strTest2", number=1)

10.946627677462857

从上面的比对数据可以看出，当数据比较小的时候，两者差别不大，当数据越大，两者性能差距就越大。从而可以看出，字符串拼接的方式一旦碰到大数据处理的时候，性能是非常慢的。

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对我们的支持。如果你想了解更多相关内容请查看下面相关链接

本文标题: Python字符串通过'+'和join函数拼接新字符串的性能测试比较

本文地址: http://www.cppcns.com/jiaoben/python/253856.html