python列表切分日期,切片与索引效率

最新推荐文章于 2025-05-19 12:07:35 发布

码小匠---千少

最新推荐文章于 2025-05-19 12:07:35 发布

阅读量1.4k

点赞数

CC 4.0 BY-SA版权

分类专栏： 12_python jupyter notebook

本文链接：https://blog.youkuaiyun.com/u012914436/article/details/103613074

12_python 同时被 2 个专栏收录

20 篇文章

订阅专栏

jupyter notebook

5 篇文章

订阅专栏

本文对比了两种不同的日期处理方法在大规模数据集上的性能表现，一种是传统的for循环方式，另一种则是利用Python的切片特性。通过对10000次循环的测试，发现使用切片的方式在处理相同任务时，比传统for循环快约25%，具体表现为前者用时5.94秒，后者则需7.66秒。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

测试环境: jupyter py3

索引

%%time
from datetime import datetime
for i in range(10000):
    date_li = ['2019-11-01', '2019-11-15', '2019-11-16', '2019-11-30']
    for i in range(0,len(date_li),2):
        ### 大于5000 拆分日期
        print("#1218-05-开始拆分日期 " + str(i//2 +1) + "次" )
        print(date_li[i], date_li[i + 1])
        d1 = datetime.strptime(date_li[i], '%Y-%m-%d').date()
        # d1 = date_li[i]
        print((d1))

结果

#1218-05-开始拆分日期 1次
2019-11-01 2019-11-15
2019-11-01
#1218-05-开始拆分日期 2次
2019-11-16 2019-11-30
2019-11-16
Wall time: 7.66 s

切片

%%time
from datetime import datetime
for i in range(10000):

    date_li = ['2019-11-01', '2019-11-15', '2019-11-16', '2019-11-30']
    for i in range(0,len(date_li),2):
        ### 大于5000 拆分日期
        print("#1218-05-开始拆分日期 " + str(i//2 +1) + "次" )
        print(date_li[i:i + 2])
        d1 = datetime.strptime(date_li[i], '%Y-%m-%d').date()
        # d1 = date_li[i]
        print((d1))

结果

#1218-05-开始拆分日期 1次
['2019-11-01', '2019-11-15']
2019-11-01
#1218-05-开始拆分日期 2次
['2019-11-16', '2019-11-30']
2019-11-16
Wall time: 5.94 s