यदि आप विभिन्न तरीकों के प्रदर्शन के बारे में सोच रहे हैं, तो यहां कुछ समय हैं:
In [1]: words = [str(i) for i in range(10000)]
In [2]: %timeit replaced = [w.replace('1', '<1>') for w in words]
100 loops, best of 3: 2.98 ms per loop
In [3]: %timeit replaced = map(lambda x: str.replace(x, '1', '<1>'), words)
100 loops, best of 3: 5.09 ms per loop
In [4]: %timeit replaced = map(lambda x: x.replace('1', '<1>'), words)
100 loops, best of 3: 4.39 ms per loop
In [5]: import re
In [6]: r = re.compile('1')
In [7]: %timeit replaced = [r.sub('<1>', w) for w in words]
100 loops, best of 3: 6.15 ms per loop
जैसा कि आप इस तरह के सरल पैटर्न के लिए देख सकते हैं कि स्वीकृत सूची की समझ सबसे तेज़ है, लेकिन निम्नलिखित को देखें:
In [8]: %timeit replaced = [w.replace('1', '<1>').replace('324', '<324>').replace('567', '<567>') for w in words]
100 loops, best of 3: 8.25 ms per loop
In [9]: r = re.compile('(1|324|567)')
In [10]: %timeit replaced = [r.sub('<\1>', w) for w in words]
100 loops, best of 3: 7.87 ms per loop
इससे पता चलता है कि अधिक जटिल प्रतिस्थापन के लिए पूर्व-संकलित reg-exp (के रूप में 9-10
) तेजी से (बहुत) हो सकता है। यह वास्तव में आपकी समस्या और रेग-एक्सप के सबसे छोटे हिस्से पर निर्भर करता है।
resname = [name.replace('DA', 'ADE').replace('DC', 'CYT').replace('DG', 'GUA').replace('DT', 'THY') for name in ncp.resname()]