【Python基礎】リスト内の全要素を型変換をする方法：for文、リスト内包表記、numpyで処理時間の比較

リスト内全要素の型変換

前回、Pythonでリスト内の全要素の型変換をする方法を4種類紹介しました。

あわせて読みたい

【Python基礎】リスト内の全要素を型変換する方法：for文とリスト内包表記とnumpyでの処理時間計測 【リスト内全要素の型変換】 前回、データフレーム間でのデータを1行や1列コピーする方法を勉強してみました。 今回はPythonのリスト内の要素の型を全て変換する方法を…

前回試したのは以下の4種類。

1. for文を使う方法
2. リスト内包表記を使う方法
3. np.array(リスト, dtype=’変換後の型’).tolist()を使う方法
4. np.array(リスト).astype(‘変換後の型’).tolist()を使う方法

それぞれ同じようにint型をstr型に変更できる、つまり型変換に使えることを確認したのち、それぞれの処理時間をけいそくしてみました。

しかし思ったよりも処理速度に差はありませんでした。

普段からリスト内包表記は速いというイメージがあったため、これは何かおかしいんじゃないかと思い、繰り返し回数を色々と変えてみて検討したというのが今回のお話。

プログラム

ということで今回検討に使ったプログラムを見てみましょう。

今回は試行回数を10倍ずつ増やしていって、処理にかかる時間を計測していきます。

そのためJupyter notebookの最初のセルにはサイクル数の変数を準備しました。

test = range(10**1)

サイクル数は10¹（10）から10⁷（10,000,000）まで変化させました。

そしてこれ以降は前回行った4種類の方法を別々のセルに用意し、それぞれ実行し、その処理速度を取得しました。

for文を使う方法

%%timeit

test_str = []
for val in test:
    test_str.append(str(val))

リスト内包表記を使う方法

%%timeit

test_str = [str(val) for val in test]

np.array(リスト, dtype=’変換後の型’).tolist()を使う方法

%%timeit

import numpy as np

test_str = np.array(test, dtype='str').tolist()

np.array(リスト).astype(‘変換後の型’).tolist()を使う方法

%%timeit

import numpy as np

test_str = np.array(test).astype('int').tolist()

結果

試してみた結果がこちらです。

numpy1は「np.array(リスト, dtype=’変換後の型’).tolist()を使う方法」、numpy2が「np.array(リスト).astype(‘変換後の型’).tolist()を使う方法」です。

このままでは分かりにくいのでグラフ化しました。

X軸がサイクル数の乗数、Y軸が処理時間です。

サイクル数が少ないところが分かりにくいので、Y軸を対数表示にしたものがこちら。

一番遅いのが「np.array(リスト, dtype=’変換後の型’).tolist()を使う方法」で一番速いのが「np.array(リスト).astype(‘変換後の型’).tolist()を使う方法」でしたが、それでも3.4倍程度の差でした。

もちろん処理が重たくなれば、その3.4倍のタイムロスは大きいのでしょうが、私みたいに普段ちょっとした処理を自動化するというPythonユーザーにとってはそれほど変わらないような気がします。

本当は何十倍も違ったり、サイクル数を増やすと他の手法と比べて格段に速くなったり、遅くなったりするといった得手不得手があると予想していたのですが、どれも同じように遅くなるという面白みのない結果となってしまいました。

まぁこういうこともあるということで今回はご勘弁ください。

次回は連番のファイル名を付ける際に便利なゼロパディング（０埋め）を勉強していきましょう。

あわせて読みたい

【Python基礎】文字列や数値をゼロ埋め（ゼロパディング） 【ゼロ埋め（ゼロパディング）】 前回、Pythonでリスト内の全要素を型変換をする4つの方法（for文、リスト内包表記、numpy）で処理時間の比較をしてみました。 今回は文…

ではでは今回はこんな感じで。