为什么max比排序慢？

我发现它max比sortPython 2和3中的函数慢。

Python 2

$ python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'a.sort();a[-1]'
1000 loops, best of 3: 239 usec per loop
$ python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'max(a)'        
1000 loops, best of 3: 342 usec per loop

Python 3

$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'a.sort();a[-1]'
1000 loops, best of 3: 252 usec per loop
$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'max(a)'
1000 loops, best of 3: 371 usec per loop

为什么是 max（O(n)比慢）sort功能（O(nlogn)）？

使用时，您必须非常小心 timeit在Python中模块。

python -m timeit -s 'import random;a=range(10000);random.shuffle(a)' 'a.sort();a[-1]'

初始化代码在这里运行一次，以产生一个随机数组a。然后，其余代码将运行几次。第一次对数组进行排序，但是每隔一次您对已排序的数组调用sort方法。仅返回最快的时间，因此您实际上是在计时Python对已经排序的数组进行排序所花费的时间。

Python排序算法的一部分是检测何时已对数组进行部分或完全排序。完全排序后，只需在阵列中扫描一次即可检测到此情况，然后停止。

相反，如果您尝试：

python -m timeit -s 'import random;a=range(100000);random.shuffle(a)' 'sorted(a)[-1]'

那么排序就会在每个定时循环上发生，您可以看到，对数组进行排序的时间确实比仅仅查找最大值要长得多。

编辑： @skyking的答案解释了我无法解释的部分：a.sort()知道它正在处理列表，因此可以直接访问元素。max(a)可以处理任意可迭代项，因此必须使用通用迭代。

首先，请注意，它max()使用迭代器协议，而list.sort()使用临时代码。显然，使用迭代器是一项重要的开销，这就是为什么您观察到时序差异的原因。

但是，除此之外，您的测试是不公平的。您a.sort()在同一列表上运行了不止一次。Python使用的算法经过专门设计，可快速处理已（部分）排序的数据。您的测试表明该算法运行良好。

这些是公平的测试：

$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'max(a[:])'
1000 loops, best of 3: 227 usec per loop
$ python3 -m timeit -s 'import random;a=list(range(10000));random.shuffle(a)' 'a[:].sort()'
100 loops, best of 3: 2.28 msec per loop

在这里，我每次都创建列表的副本。如您所见，结果的数量级是不同的：正如我们所期望的，微秒与毫秒。

请记住：big-Oh指定一个上限！Python的排序算法的下限是Ω（n）。设为O（n log n）并不自动意味着每次运行都花费与n log n成比例的时间。它甚至不暗示它需要比O（n）算法慢，但这是另一回事了。重要的是要理解，在某些有利的情况下，O（n log n）算法可以在O（n）时间或更短的时间内运行。

这可能是因为while l.sort的成员是泛型函数。这意味着可以依靠while 的内部表示listmaxl.sortlistmax将不得不通过通用的迭代协议。

这使得获取每个元素的l.sort速度快于获取每个元素的速度max。

我假设如果您改用，sorted(a)您得到的结果将比慢max(a)。