列表推导执行效率更高

join的运行效率比"+"高

两者就像一个 o(n) 和 o(1) 的关系

由于字符串是不可变对象，当使用“+”连接字符串的时候，每执行一次“+”操作都会申请一块新的内存，然后复制上一个“+”操作的结果和本次操作的有操作符到这块内存空间中，所以用“+”连接字符串的时候会涉及内存申请和复制；

join在连接字符串的时候，首先计算需要多大的内存存放结果，然后一次性申请所需内存并将字符串复制过去。在用"+"连接字符串时，结果会生成新的对象，而用join时只是将原列表中的元素拼接起来，因此在连接字符串数组的时候会考虑优先使用join。

# 创建将0到19连接起来的字符串 (例 "012..1819")
nums = ""
for n in range(20):
    nums += str(n)   # 慢且低效
print nums

# 创建将0到19连接起来的字符串 (例 "012..1819")
nums = []
for n in range(20):
    nums.append(str(n))
print "".join(nums)  # 更高效

# 创建将0到19连接起来的字符串 (例 "012..1819")
nums = [str(n) for n in range(20)]
print "".join(nums)

• 最优做法

# 创建将0到19连接起来的字符串 (例 "012..1819")
nums = map(str, range(20))
print "".join(nums)

将大数据转换为set来搜索更高效

即使两个函数看起来完全一样，但因为 查找集合 是利用了Python中的集合是可哈希的特性，两者的查询性能是非常不同的。为了判断一个项是否在列表中，Python将会查看每个项直到它找到匹配的项。这是耗时的，尤其是对长列表而言。另一方面，在集合中，项的哈希值将会告诉Python在集合的哪里去查找匹配的项。结果是，即使集合很大，查询的速度也很快。

s = set(['s', 'p', 'a', 'm'])
l = ['s', 'p', 'a', 'm']
 
def lookup_set(s):
    return 's' in s
 
def lookup_list(l):
    return 's' in l

使用 in 来查找字符串

对比案例

# 定义数据
test = ["asdfasfAAASASFADSF-*/-/-*/zx-cvzxcvadsf-a*df/"] * 5000

# 使用 find 来判断
def t1(tar: str):
    if tar.find("*df") > -1:
        tmp = 9 * 9
        return tmp

# 使用 in 来判断
def t2(tar: str):
    if "*df" in tar:
        tmp = 9 * 9
        return tmp

定义了一个有5000个元素的测试数据列表，都是字符串，分别查找10000次进行对比

import time

start = time.time()
for each in range(10000):
    for e in test:
        t1(e)
end = time.time()

print(round(end - start, 3))


start = time.time()
for each in range(10000):
    for e in test:
        t2(e)
end = time.time()

print(round(end - start, 3))

最终结果使用in查找比find快大改2/5，接近一半的速度差距