今天小编就为大家分享一篇关于Python字符串通过'+'和join函数拼接新字符串的性能测试比较，小编觉得内容挺不错的，现在分享给大家，具有很好的参考价值，需要的朋友一起跟随小编来看看吧
有一道Python面试题， 以下代码有什么局限性，要如何修改
def strTest(num): s = 'Hello' for i in range(num): s += 'x' return s
上面的代码其实可以看出：由于变量str是不变对象，每次遍历，Python都会生成新的str对象来存储新的字符串，所以num越大，创建的str对象就越多，内存消耗约大，速度越慢，性能越差。 如果要改变上面的问题，可以变字符串拼接为join联合的方式，代码如下:
def strTest2(num): s = 'Hello' l = list(s) for i in range(num): l.append('x') return ''.join(l)下面两种不同处理方式，运行速度的比较:
>>> def strTest1(num): ... s = 'Hello' ... for i in range(num): ... s += 'x' ... return s >>> def strTest2(num): ... s = 'Hello' ... l = list(s) ... for i in range(num): ... l.append(s) ... return ''.join(l) >>> >>> from timeit import timeit # 运行10万级别数据，运行速度比对 >>> timeit("strTest1(100000)", setup="from __main__ import strTest1", number=1) 0.016680980406363233 >>> timeit("strTest2(100000)", setup="from __main__ import strTest2", number=1) 0.009688869110618725 # 运行100万级别数据，运行速度比对 >>> timeit("strTest1(1000000)", setup="from __main__ import strTest1", number=1) 0.14558920607187195 >>> timeit("strTest2(1000000)", setup="from __main__ import strTest2", number=1) 0.1335057276853462 # 运行1000万级别数据，运行速度比对 >>> timeit("strTest1(10000000)", setup="from __main__ import strTest1", number=1) 5.9497953107860475 >>> timeit("strTest2(10000000)", setup="from __main__ import strTest2", number=1) 1.3268972136649921 # 运行2000万级别数据，运行速度比对 >>> timeit("strTest1(20000000)", setup="from __main__ import strTest1", number=1) 21.661270140499056 >>> timeit("strTest2(20000000)", setup="from __main__ import strTest2", number=1) 2.6981786518920217 # 运行3000万级别数据，运行速度比对 >>> timeit("strTest1(30000000)", setup="from __main__ import strTest1", number=1) 49.858089123966295 >>> timeit("strTest2(30000000)", setup="from __main__ import strTest2", number=1) 4.285787770209481 # 运行4000万级别数据，运行速度比对 >>> timeit("strTest1(40000000)", setup="from __main__ import strTest1", number=1) 86.67876273457563 >>> timeit("strTest2(40000000)", setup="from __main__ import strTest2", number=1) 5.328653452047092 # 运行5000万级别数据，运行速度比对 >>> timeit("strTest1(50000000)", setup="from __main__ import strTest1", number=1) 130.59138063819023 >>> timeit("strTest2(50000000)", setup="from __main__ import strTest2", number=1) 6.8375931077291625 # 运行6000万级别数据，运行速度比对 >>> timeit("strTest1(60000000)", setup="from __main__ import strTest1", number=1) 188.28227241975003 >>> timeit("strTest2(60000000)", setup="from __main__ import strTest2", number=1) 8.080144489401846 # 运行7000万级别数据，运行速度比对 >>> timeit("strTest1(70000000)", setup="from __main__ import strTest1", number=1) 256.54383904350277 >>> timeit("strTest2(70000000)", setup="from __main__ import strTest2", number=1) 9.387400816458012 # 运行8000万级别数据，运行速度比对 >>> timeit("strTest1(80000000)", setup="from __main__ import strTest1", number=1) 333.7185806572388 >>> timeit("strTest2(80000000)", setup="from __main__ import strTest2", number=1) 10.946627677462857从上面的比对数据可以看出，当数据比较小的时候，两者差别不大，当数据越大，两者性能差距就越大。从而可以看出，字符串拼接的方式一旦碰到大数据处理的时候，性能是非常慢的。
总结
以上就是Python字符串通过'+'和join函数拼接新字符串的性能测试比较的详细内容，更多请关注0133技术站其它相关文章！
