【Python性能优化实例】计算前缀和（itertools.accumulate）

根据官方文档：​​https://docs.python.org/zh-cn/3/library/itertools.html#itertools.accumulate​​

比较常见的有如下三种计算前缀和的方式：

>>> import timeit

方法 1

>>> timeit.timeit(
...     "list(accumulate(n))",
...     setup="from itertools import accumulate\n"
...           "n = [1, 3, 5] * 100",
...     number=100000
... )
0.7947895000000074

方法 2

>>> timeit.timeit(
...     "m = list(n)\n"
...     "for i in range(1, len(n)):\n"
...     "    m[i] += m[i - 1]",
...     setup="from itertools import accumulate\n"
...           "n = [1, 3, 5] * 100",
...     number=100000
... )
2.549676000000005

方法 3

>>> timeit.timeit(
...     "m = []\n"
...     "for num in n:\n"
...     "    if not m:\n"
...     "        m.append(num)\n"
...     "    else:\n"
...     "        m.append(m[-1] + num)\n",
...     setup="from itertools import accumulate\n"
...           "n = [1, 3, 5] * 100",
...     number=100000
... )
2.927691999999979

通过 Python 3.9 的运行时间来看，使用 ​​itertools.accumulate​​（方法 1）的效率显然是最高的。

方法 2 之所以略快于方法 3，是因为：

• 方法 2 直接初始化了定长的结果数组 ​​m​​，节约了数组扩容摊销的时间；
• 方法 2 相较于方法 3 节约了一次边界判定的判断时间。