位向量与布尔值列表的性能

Question

我试图用 Python 重现我在书中找到的两个示例（最初用 Java 编写）。

这两个函数检查字符串是否包含重复字符。第一个函数使用整数 (checker) 作为位向量，而第二个函数仅使用布尔值列表。 我期待使用带有位的函数可以获得更好的性能，但实际上它的性能更差。

这是为什么呢？从Java“翻译”到Python时我写错了吗？

注意： 为简单起见，我们只使用小写字母（a 到 z >)，尤其是位向量函数。

import sys
import timeit

def is_unique_chars_bit(my_str):
    checker = 0
    for char in my_str:
        val = ord(char) - ord('a')
        if ((checker & (1 << val)) > 0):
            return False
        checker |= (1 << val)
    return True

def is_unique_chars_list(my_str):
    if len(my_str) > 128:
        # Supposing we use ASCII, which only has 128 chars
        return False
    char_list = [False] * 128
    for char in my_str:
        val = ord(char)
        if char_list[val]:
            return False
        char_list[val] = True
    return True

if __name__ == '__main__':
    alphabet = "abcdefghijklmnopqrstuvwxyz"
    t_bit = timeit.Timer("is_unique_chars_bit('"+ alphabet +"')", "from __main__ import is_unique_chars_bit")
    t_list = timeit.Timer("is_unique_chars_list('"+ alphabet +"')", "from __main__ import is_unique_chars_list")
    print(t_bit.repeat(3, 200000))
    print(t_list.repeat(3, 200000))

结果：

[1.732477278999795, 1.7263494359995093, 1.7404333820004467]
[0.6785205180003686, 0.6759967380003218, 0.675434408000001]

原来的Java函数如下：

boolean isUniqueCharsBoolArray(String str) {
    if (str.length() > 128) return false;

    boolean[] char_set = new boolean[128];
    for (int i = 0; i < str.length(); i++) {
        int val = str.charAt(i);
        if (char_set[val]) {
            return false;
        }
        char_set[val] = true;
    }
    return true;
}

boolean isUniqueCharsBits(String str) {
    for (int i = 0; i < str.length(); i++) {
        int val = str.charAt(i) -'a';
        if ((checker & (1 << val)) > 0) {
            return false;
        }
        checker |= (1 << val);
    }
    return true;
}

Answer 1

那是因为整数在 python 中是不可变的引用类。这意味着整数运算通常很慢。 （即使对于 python2 整数也是如此）查看以下行：

checker |= (1 << val)

如果我们扩展我们得到的赋值：

checker = checker | (1 << val)

这一行在内存中分配了两个新整数。一个用于1 << val，一个用于按位或。

另一方面，分配数组元素不需要分配对象，这就是它更快的原因。

如果你正在寻找最快的方法来判断一个字符串是否有重复字符，这个函数比前两个短和快 （取自"check duplicates in list"）：

def is_unique_chars_set(my_str):
    return len(my_str) != len(set(my_str))

Timeit 显示了 3 倍的加速（最后一行是新的）：

>python3 test.py
[2.398782472571393, 2.3595238689519626, 2.37358552995787]
[1.0055455609592512, 1.007462347465074, 1.012826469701654]
[0.32564058749026437, 0.3303359144351621, 0.31772896318809885]

注意：如果您使用其他 python 运行时，例如 IronPython，结果可能会有很大差异