有一道Python面試題， 以下代碼有什么局限性，要如何修改
def strTest(num): s = 'Hello' for i in range(num): s += 'x' return s
上面的代碼其實可以看出：由于變量str是不變對象，每次遍歷，Python都會生成新的str對象來存儲新的字符串，所以num越大，創建的str對象就越多，內存消耗約大，速度越慢，性能越差。 如果要改變上面的問題，可以變字符串拼接為join聯合的方式，代碼如下:
def strTest2(num): s = 'Hello' l = list(s) for i in range(num): l.append('x') return ''.join(l)下面兩種不同處理方式，運行速度的比較:
>>> 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# 運行10萬級別數據，運行速度比對>>> timeit("strTest1(100000)", setup="from __main__ import strTest1", number=1)0.016680980406363233>>> timeit("strTest2(100000)", setup="from __main__ import strTest2", number=1)0.009688869110618725# 運行100萬級別數據，運行速度比對>>> timeit("strTest1(1000000)", setup="from __main__ import strTest1", number=1)0.14558920607187195>>> timeit("strTest2(1000000)", setup="from __main__ import strTest2", number=1)0.1335057276853462# 運行1000萬級別數據，運行速度比對>>> timeit("strTest1(10000000)", setup="from __main__ import strTest1", number=1)5.9497953107860475>>> timeit("strTest2(10000000)", setup="from __main__ import strTest2", number=1)1.3268972136649921# 運行2000萬級別數據，運行速度比對>>> timeit("strTest1(20000000)", setup="from __main__ import strTest1", number=1)21.661270140499056>>> timeit("strTest2(20000000)", setup="from __main__ import strTest2", number=1)2.6981786518920217# 運行3000萬級別數據，運行速度比對>>> timeit("strTest1(30000000)", setup="from __main__ import strTest1", number=1)49.858089123966295>>> timeit("strTest2(30000000)", setup="from __main__ import strTest2", number=1)4.285787770209481# 運行4000萬級別數據，運行速度比對>>> timeit("strTest1(40000000)", setup="from __main__ import strTest1", number=1)86.67876273457563>>> timeit("strTest2(40000000)", setup="from __main__ import strTest2", number=1)5.328653452047092# 運行5000萬級別數據，運行速度比對>>> timeit("strTest1(50000000)", setup="from __main__ import strTest1", number=1)130.59138063819023>>> timeit("strTest2(50000000)", setup="from __main__ import strTest2", number=1)6.8375931077291625# 運行6000萬級別數據，運行速度比對>>> timeit("strTest1(60000000)", setup="from __main__ import strTest1", number=1)188.28227241975003>>> timeit("strTest2(60000000)", setup="from __main__ import strTest2", number=1)8.080144489401846# 運行7000萬級別數據，運行速度比對>>> timeit("strTest1(70000000)", setup="from __main__ import strTest1", number=1)256.54383904350277>>> timeit("strTest2(70000000)", setup="from __main__ import strTest2", number=1)9.387400816458012# 運行8000萬級別數據，運行速度比對>>> timeit("strTest1(80000000)", setup="from __main__ import strTest1", number=1)333.7185806572388>>> timeit("strTest2(80000000)", setup="from __main__ import strTest2", number=1)10.946627677462857從上面的比對數據可以看出，當數據比較小的時候，兩者差別不大，當數據越大，兩者性能差距就越大。從而可以看出，字符串拼接的方式一旦碰到大數據處理的時候，性能是非常慢的。
總結
以上就是這篇文章的全部內容了，希望本文的內容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對VEVB武林網的支持。
新聞熱點
疑難解答
