在 Python 中切片两次

Question

通常我有一个偏移量和数据长度，我想从 str 或 bytes 中提取数据。

我最常看到的方式是：

mystr[ offset: offset+length ]

改为执行以下操作（这似乎更容易理解）效率会降低多少？

mystr[ offset: ][ :length ]

如果数据实际上被复制了两次，并且为每个副本分配了内存，那么效率会非常低。但如果它是用指针和引用计数魔法完成的，也许效率不会低很多？它甚至可以被优化。

这也引出了更长的切片操作组合的效率问题，尽管到目前为止我还没有发现需要更多。

Answer 1

TLDR

绳子越长，越吸

mystr[ offset: ][ :length ]

与

mystr[ offset: offset+length ]

相比

背景：

你可以

timeit

如果你喜欢并且结果是戏剧性的（至少对于香草蟒蛇和莎士比亚全集），

mystr[ offset: offset+length ]

比

mystr[ offset: ][ :length ]

快几个数量级。

import timeit

setup = """
offset = 1000
length = 1000
with open("shakespeare.txt", "r", encoding="utf-8") as file_in:
    mystr = file_in.read()

def test1(mystr):
    return mystr[ offset: offset+length ]

def test2(mystr):
    return mystr[ offset: ][ :length ]
"""

print(f"Test1: {timeit.timeit('test1(mystr)', setup=setup, number=1000)}")
print(f"Test2: {timeit.timeit('test2(mystr)', setup=setup, number=1000)}")

在装有莎士比亚全集的笔记本电脑上，我得到如下结果：

Test1: 0.00045
Test2: 2.98909

请注意，所讨论的文本相当长，文本较短，结果并没有那么糟糕。

import timeit

setup = """
offset = 1000
length = 1000
with open("shakespeare.txt", "r", encoding="utf-8") as file_in:
    mystr = file_in.read()[:3000]

def test1(mystr):
    return mystr[ offset: offset+length ]

def test2(mystr):
    return mystr[ offset: ][ :length ]
"""

print(f"Test1: {timeit.timeit('test1(mystr)', setup=setup, number=1000)}")
print(f"Test2: {timeit.timeit('test2(mystr)', setup=setup, number=1000)}")

用那个较短的字符串我得到：

Test1: 0.00045
Test2: 0.00081

请注意，

test1()

的时间并没有随着文本的长度而变化，而文本越长，

test2()

变得越慢。