Pythonコードの高速化
blender.jpでPythonコードの高速化についての記事が紹介されていましたので、実際に試してみました。
紹介されていた記事には、いろいろな種類の最適化方法が紹介されていて、とても勉強になりました。
(yamyamさん、ありがとうございました）
今回私が試したのは、ループの最適化についてです。
まず、時間計測用の関数を用意しました。
この関数は、参考元のサイトで使用しているものをそのまま使いました。
import time
def timing(f, n, a):
print f.__name__,
r = range(n)
t1 = time.clock()
for i in r:
f(a); f(a); f(a); f(a); f(a); f(a); f(a); f(a); f(a); f(a)
t2 = time.clock()
print round(t2-t1, 3)
上記の関数の引数、f, n, aはそれぞれ
- f : 関数名
- n : 関数の呼び出し回数（実際の呼び出しはn*10回）
- a : 関数への引数
となっています。
上記の関数では、時間計測に極力オーバーヘッドが含まれないようにするためにいくつかの工夫もされています。
たとえば
- t1の値を取得するよりも前にループ範囲(r=range(n))を行うことで純粋に関数の呼び出しにかかる時間のみを計測。
- forループ自身のオーバーヘッドを減らすため、一度のループで10回の関数呼び出しを実行
などです。
上記の関数は今後も使っていきたいなと思ったので、この関数を独立したソースtiming.pyとして保存しました。
さて、前置きが長くなりましたが、実際にテストを行った結果をご紹介します。
今回のテストでは、
「渡された数値のリストをASCIIキャラクタに変換する」という関数の時間計測を行っています。
この関数も参考元のサイトのものを一部使用しています。
ソースコードは以下のようなものです。
#!/usr/bin/python # -*- coding : utf-8 -*- import array import timeprofile.timing from timeprofile.timing import * # # def func1(list): string = '' for item in list: string = string + chr(item) return string # # def func2(list): string = '' for character in map(chr, list): string = string + character return string # # def func3(list): string = '' lchr = chr for item in list: string = string + lchr(item) return string # # def func4(list): return [chr(item) for item in list] # # def func5(list): lchr = chr return [lchr(item) for item in list] # # def func6(list): return array.array('B', list).tostring() # # if __name__ == '__main__': arglist = [a for a in range(0, 255)] print arglist timing(func1, 1000, arglist) timing(func2, 1000, arglist) timing(func3, 1000, arglist) timing(func4, 1000, arglist) timing(func5, 1000, arglist) timing(func6, 1000, arglist)
さて、上記の関数func1〜func6までは全て同じ結果を返す処理です。
みなさんは、どの処理が一番早いと思いますか？（といっても、結果はこの後すぐに書いてしまいますが。。）
●処理結果
上記のテストでは、実行速度はfunc6が最も早く、func5, func4, func3, func2, func1の順に処理が遅くなります。
実際の処理結果は次の通りです。
kani[src]$ python timing_test.py [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156, 157, 158, 159, 160, 161, 162, 163, 164, 165, 166, 167, 168, 169, 170, 171, 172, 173, 174, 175, 176, 177, 178, 179, 180, 181, 182, 183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 199, 200, 201, 202, 203, 204, 205, 206, 207, 208, 209, 210, 211, 212, 213, 214, 215, 216, 217, 218, 219, 220, 221, 222, 223, 224, 225, 226, 227, 228, 229, 230, 231, 232, 233, 234, 235, 236, 237, 238, 239, 240, 241, 242, 243, 244, 245, 246, 247, 248, 249, 250, 251, 252, 253, 254] func1 1.58 func2 1.56 func3 1.48 func4 1.37 func5 1.24 func6 0.44 kani[src]$
上記の結果では、func6、つまりarrayを使用した場合が最も高速（それもダントツ！）になっています。
arrayとその関数がCで実装されていることがその理由ですね、きっと。
func1〜func3、func6は、上記の参考元のサイトに掲載されていた関数をそのまま使いました。
（どういう意図なのかは参考元のサイトで詳しく説明されていますのでそちらを参照してください）
func4とfunc5は、私自身の興味から追加しました。
「リストの内包表記の処理は高速だ」とPython関連の参考書に書かれていますので、内包表記を使用しただけでどのくらい早くなるのかな。。。とおもったからです。
まず、func4のほうはただ内包表記を使っただけ。
次のfunc5のほうは、内包表記中で使用されているchr()をやめ、lchr=chr()としてローカル変数に保持した関数を使用するようにしたものです。たったこれだけですが、結構効果があるのに驚きました。
今回の実験でわかったのは、
勉強になりました！！
