|
4 | 4 | "cell_type": "markdown", |
5 | 5 | "metadata": {}, |
6 | 6 | "source": [ |
7 | | - "# 对迭代的各种方法进行计时 \n", |
| 7 | + "# 1. 对迭代的各种方法进行计时 \n", |
8 | 8 | "列表解析要比 for 循环语句有速度方面的性能优势,而且 map 会依据调用方法的不同表现出更好或更差的性能。生成器函数和表达式比列表解析速度慢一些,但是它们把内存需求降到了最小,并且不会延迟结果的生成。 \n", |
9 | 9 | "\n", |
10 | | - "## 对模块计时 \n", |
| 10 | + "## 1.1 对模块计时 \n", |
11 | 11 | "获取多次调用函数的总时间的简单函数:" |
12 | 12 | ] |
13 | 13 | }, |
|
285 | 285 | "cell_type": "markdown", |
286 | 286 | "metadata": {}, |
287 | 287 | "source": [ |
288 | | - "## 计时脚本 \n", |
| 288 | + "## 1.2 计时脚本 \n", |
289 | 289 | "测试五种构建结果列表的替代方法:" |
290 | 290 | ] |
291 | 291 | }, |
|
345 | 345 | "cell_type": "markdown", |
346 | 346 | "metadata": {}, |
347 | 347 | "source": [ |
348 | | - "## 计时结果 \n", |
| 348 | + "## 1.3 计时结果 \n", |
349 | 349 | "map 比列表解析略微快一点,但二者都比 for 循环要快很多,生成器表达式和函数速度居中。 \n", |
350 | 350 | "\n", |
351 | 351 | "**函数调用的影响:map** \n", |
|
415 | 415 | "cell_type": "markdown", |
416 | 416 | "metadata": {}, |
417 | 417 | "source": [ |
418 | | - "## 计时模块替代方案 \n", |
| 418 | + "## 1.4 计时模块替代方案 \n", |
419 | 419 | "前面的计时模块可以更加用户友好,最明显的,它的函数需要传递一个重复计数作为第一个参数,没有提供默认参数,也可以利用 min 技术来简化返回值。 \n", |
420 | 420 | "\n", |
421 | 421 | "如下的替代实现解决了这些问题,允许重复计数作为一个名为 `_reps` 的关键字参数传入:" |
|
600 | 600 | "cell_type": "markdown", |
601 | 601 | "metadata": {}, |
602 | 602 | "source": [ |
603 | | - "# 使用 timeit 对迭代和 Python 进行计时 \n", |
| 603 | + "# 2. 使用 timeit 对迭代和 Python 进行计时 \n", |
604 | 604 | "标准函数提供了一个 timeit 模块对函数进行计时。 \n", |
605 | 605 | "\n", |
606 | | - "## 基本 timeit 用法 \n", |
| 606 | + "## 2.1 基本 timeit 用法 \n", |
607 | 607 | "使用 timeit,测试方法由可调用对象或者语句字符串指定;对于后者,可以使用 `;` 分隔符或者 `\\n` 换行符来执行多个语句,使用空格或制表符在嵌套块中缩进语句。测试可以通过命令行和 API 调用执行。 \n", |
608 | 608 | "\n", |
609 | 609 | "**交互式用法和 API 调用** " |
|
783 | 783 | "cell_type": "markdown", |
784 | 784 | "metadata": {}, |
785 | 785 | "source": [ |
786 | | - "## 基准模块和脚本:timeit " |
| 786 | + "## 2.2 基准模块和脚本:timeit " |
787 | 787 | ] |
788 | 788 | }, |
789 | 789 | { |
|
904 | 904 | "cell_type": "markdown", |
905 | 905 | "metadata": {}, |
906 | 906 | "source": [ |
907 | | - "# 函数陷阱 \n", |
908 | | - "## 本地变量是静态检测的 \n", |
909 | | - "## 默认可变对象 \n", |
| 907 | + "# 3. 函数陷阱 \n", |
| 908 | + "## 3.1 本地变量是静态检测的 \n", |
| 909 | + "## 3.2 默认可变对象 \n", |
910 | 910 | "默认参数是在 def 语句运行时评估并保存的,而不是在这个函数调用时。 \n", |
911 | 911 | "\n", |
912 | 912 | "从内部来讲,Python 会将每一个默认参数保存成一个对象,附加在这个函数本身。 \n", |
913 | 913 | "\n", |
914 | | - "## 没有 return 语句的函数 \n", |
| 914 | + "## 3.3 没有 return 语句的函数 \n", |
915 | 915 | "如果没有提供 return 语句,函数将自动返回 None 对象。 " |
916 | 916 | ] |
| 917 | + }, |
| 918 | + { |
| 919 | + "cell_type": "code", |
| 920 | + "execution_count": null, |
| 921 | + "metadata": {}, |
| 922 | + "outputs": [], |
| 923 | + "source": [] |
917 | 924 | } |
918 | 925 | ], |
919 | 926 | "metadata": { |
|
932 | 939 | "name": "python", |
933 | 940 | "nbconvert_exporter": "python", |
934 | 941 | "pygments_lexer": "ipython3", |
935 | | - "version": "3.6.5" |
| 942 | + "version": "3.6.8" |
936 | 943 | } |
937 | 944 | }, |
938 | 945 | "nbformat": 4, |
|
0 commit comments