Python内置类型性能分析：timeit模块与list/dict操作详解

认真发呆

发布时间：2026-10-13| 4人浏览过

原创

本文详细介绍Python中timeit模块的使用方法，通过Timer类测试代码执行速度。深入分析list的append、insert、pop等操作的时间复杂度，并通过实际代码示例对比不同插入和弹出方式的性能差异，帮助开发者优化Python代码性能。

Python内置类型性能分析概述

本文主要探讨Python内置类型的性能分析过程，通过具体的示例代码进行详细解析，为读者在学习或工作中提供参考价值。

timeit模块与Timer类使用

timeit模块介绍

timeit模块主要用于测试一小段Python代码的执行速度，是性能分析的重要工具。

Timer类用于测量小段代码的执行速度，是timeit模块的核心组件。

class timeit.Timer(stmt='pass', setup='pass', timer=<timer function>)

stmt参数指定需要测试的代码语句（statement）；
setup参数用于指定运行代码前所需的设置环境；
timer参数是一个与平台相关的定时器函数。

Timer对象.timeit(number=1000000)

timeit是Timer类中用于测试语句执行速度的对象方法。其中number参数指定测试代码的执行次数，默认为1000000次。该方法返回执行代码的平均耗时，类型为float，单位为秒。

list操作性能测试与分析

list操作性能测试


# -*- coding:utf-8 -*-

import timeit

def t2():
  li = []
  for i in range(10000):
    li.insert(0, i)

def t0():
  li = []
  for i in range(10000):
    li.extend([i])

def t1():
  li = []
  for i in range(10000):
    li.append(i)

def t3():
  li = []
  for i in range(10000):
    li += [i]

def t3_1():
  li = []
  for i in range(10000):
    li = li + [i]

def t4():
  li = [ i for i in range(10000)]

def t5():
  li = list(range(10000))


timer2 = timeit.Timer(stmt="t2()", setup="from __main__ import t2")
print("insert", timer2.timeit(number=1000), "seconds")

timer0 = timeit.Timer(stmt="t0()", setup="from __main__ import t0")
print("extend", timer0.timeit(number=1000), "seconds")

timer1 = timeit.Timer(stmt="t1()", setup="from __main__ import t1")
print("append", timer1.timeit(number=1000), "seconds")

timer3 = timeit.Timer(stmt="t3()", setup="from __main__ import t3")
print("+=", timer3.timeit(number=1000), "seconds")

timer3_1 = timeit.Timer(stmt="t3_1()", setup="from __main__ import t3_1")
print("+加法", timer3_1.timeit(number=1000), "seconds")

timer4 = timeit.Timer(stmt="t4()", setup="from __main__ import t4")
print("[i for i in range()]", timer4.timeit(number=1000), "seconds")

timer5 = timeit.Timer(stmt="t5()", setup="from __main__ import t5")
print("list", timer5.timeit(number=1000), "seconds")


执行结果：

insert 18.678989517 seconds
extend 1.022223395000001 seconds
append 0.6755100029999994 seconds
+= 0.773258104 seconds
+加法 126.929554195 seconds
[i for i in range()] 0.36483252799999377 seconds
list 0.19607099800001038 seconds

pop操作性能对比


x = range(2000000)
pop_zero = Timer("x.pop(0)","from __main__ import x")
print("pop_zero ",pop_zero.timeit(number=1000), "seconds")

x = range(2000000)
pop_end = Timer("x.pop()","from __main__ import x")
print("pop_end ",pop_end.timeit(number=1000), "seconds")

# ('pop_zero ', 1.9101738929748535, 'seconds')
# ('pop_end ', 0.00023603439331054688, 'seconds')

通过测试结果显示，"pop最后一个元素"的效率远高于"pop第一个元素"。

读者可自行尝试list的append(value)和insert(0,value)，即分别测试在列表尾部插入和头部插入的性能差异。

list内置操作的时间复杂度分析