Python 拼字符串为什么别在循环里用 +=?拆开 join 的两遍账:191.8 微秒与 6.8 微秒

简介: 循环 += 拼接 1000 段要 191.8 微秒,已有列表直接 join 只要 6.8 微秒:join 先扫一遍算总长再一次性分配,+= 每轮都可能复制整个已拼好的串。CPython 对 += 的原地扩容依赖引用计数,加一个别名后涨到 459.8 微秒。3 片段场景 f-string 约 251.8ns,join 反而 306.4ns。

系列:Python 底层设计逻辑 | 环境:本机受管 Python,CPython 3.13.14

写 Python 的人几乎都听过一句话:字符串不可变,循环里别用 += 拼接,用 join。

这句话是对的,但很多文章只说结论,不告诉你贵在哪。本文用 1000 段字符串的实测,把 += 和 join 的账拆到底,顺手验证一个常被说错的细节:CPython 对 += 的"原地优化"到底在什么条件下失效。

一、结论先行

  • 循环 += 拼接 1000 段:191.8 µs;list.append 后 join:45.1 µs;已有列表直接 join:6.8 µs
  • += 贵的根源是每一轮都可能复制整个已拼好的字符串;join 先扫一遍算总长,再一次性分配
  • CPython 对 s += x 有原地扩容优化,但它依赖引用计数条件:手工加一个别名后,同样循环涨到 459.8 µs(扣掉别名基线约 442.6 µs,是纯 += 的 2.3 倍)
  • 少片段场景(3 段)别迷信 join:f-string 约 251.8 ns,% 约 249.1 ns,join 列表约 306.4 ns,str.format 约 490.8 ns

一句话:循环里攒字符串用 join;只有两三个片段要拼,用 f-string 就行。

二、先看实测:1000 段拼接

测试条件:1000 段、每段 8 个字符,timeit 取 7 轮中位数。

写法 µs/次(1000 段) 相对
s = '' 循环 s += p 191.8 基准
buf.append(p) 后 ''.join(buf) 45.1 快 4.3 倍
已有列表直接 ''.join(parts) 6.8 快 28 倍
''.join([str(i) for i in range(1000)]) 134.9 —
每 100 段 join 一次(分块) 136.0 不如一次性 join

注意最后一行:分块 join 并没有更快。它多了一次中间列表构造和多次 join 调用,反而从 45.1 µs 涨到 136.0 µs。只有当数据本身是流式到达、无法一次性拿到全部片段时,分块 join 才值得考虑。

三、为什么 join 快:两遍账

str.join 的实现思路是两遍:

  1. 第一遍遍历所有片段,累加每个字符串的长度,得到结果串的总长
  2. 一次性分配这块内存,再把每个片段拷进去

而 s += p 每一轮做的是"造一个新字符串,把旧内容复制进去,再追加新片段"。随着 s 越来越长,每轮要复制的内容也越来越多——这是二次级别的复制成本,不是 1000 次小操作。

所以差距不是"join 的 C 循环更快"这么简单,而是分配次数和复制量级的差距。

四、字节码:+= 并没有特殊指令

LOAD_FAST_LOAD_FAST   16 (s, x)
BINARY_OP             13 (+=)
STORE_FAST            1 (s)

3.13 里 s += x 编译成 BINARY_OP 13 (+=),没有专门的"原地拼接"指令。真正的优化发生在解释器执行这条指令时:当左侧是 str 且引用计数允许复用时,CPython 会尝试原地扩容而不是新建一个对象。

五、原地优化什么时候失效

验证方法:在每轮拼接前加一个别名 t = s,让对象多一个引用,再删掉别名。

写法 µs/次
纯 s += p 191.8
t = s 后 s += p,再 del t 459.8
只做 t = s 和 del t(基线,不拼接) 17.2

扣掉 17.2 µs 的别名操作基线,破坏引用计数条件后约 442.6 µs,是纯 += 的 2.3 倍。

这也解释了为什么这个优化"看不见摸不着":本次还测了 200 次 += 后的 id(s),出现了 165 个不同 id。也就是说,扩容时对象地址可能变化,不能靠 id 是否相同判断有没有原地优化——真正的证据是上面这组时间差。

六、少片段场景:join 不一定赢

把片段减到 3 个,结论会反转:

写法 ns/次
% 格式化 249.1
f-string 251.8
''.join([...]) 306.4
a + ' ' + str(b) + ' ' + c 312.1
str.format 490.8

原因很直白:join 要先构造一个列表,这层开销在只有 3 个片段时盖过了它的复制优势。str.format 最慢,是因为它要走完整的格式规范解析。

所以不要背"永远用 join"。片段多、来自可迭代对象 → join;片段少、写死在代码里 → f-string。

七、实战守则

  • 循环里绝不 += 攒字符串:用一个列表收集,最后一次性 join
  • 已有列表就直接 ''.join(list),不要在 join 里再写一遍列表推导(除非本来就要转换类型)
  • 别为了"优化"做分块 join:实测更慢,只在流式场景下用
  • 日志/告警里的拼接先看量级:3 个片段用 f-string,几十上百个片段用 join
  • 别依赖 += 的原地优化:它依赖引用计数条件,一旦有人持有旧引用就失效;也不要用 id 去验证它

一句话总结:字符串拼接的成本不在"加",在"复制"。join 用两遍扫描换一次分配,这就是它比循环 += 快 28 倍的全部秘密。

相关文章
|
1月前
|
Linux iOS开发 Python
Python 虚拟环境到底怎么选?venv / conda / pipenv / poetry 一张对比表 + 9 个真实踩坑
venv、conda、pipenv、poetry 到底怎么选?本文用一张对比表 + 9 个真实踩坑讲清楚:什么时候 venv 就够了、什么时候必须上 poetry、conda 真正解决的是什么问题,以及虚拟环境里最常见的路径与依赖冲突该怎么排查。
|
5天前
|
缓存 安全 Python
Python 的 isinstance 到底查了什么:拆开 __instancecheck__、ABC 缓存和 type 的区别
把类型判断写对,关键是理解 isinstance 会「问类的意见」而不是自己翻 MRO。本文用本机 CPython 3.13.14 实测 metaclass 上重写 __instancecheck__ 才生效、ABCMeta.register 的虚拟子类不进 __mro__、__subclasshook__ 只看方法存在性、伪造 __class__ 能改变 isinstance 结果、普通类与 ABC 路径 20 万次耗时差 4.4 倍,附对照表与七条排错清单
|
8月前
|
人工智能 Linux API
OpenClaw全自动小红书运营实战:从0到1全流程部署、技能配置与内容自动化发布指南
在内容自动化运营场景中,OpenClaw(Clawdbot)凭借高度可扩展的Skill体系与多任务执行能力,可实现从热点追踪、文案创作、封面生成到笔记发布、互动管理的全流程自动化。本文基于2026年最新环境,完整讲解如何通过阿里云轻量服务器或本地Windows11/macOS/Linux部署OpenClaw,安装并配置小红书运营Skill,完成Cookie登录、内容生成、笔记发布、数据监控,并接入阿里云百炼Coding Plan免费大模型与QMD记忆优化系统,实现低成本、7×24小时无人值守小红书运营。全文无营销词汇,所有命令可直接复制,零基础用户也能快速跑通全流程。
3598 9
|
11天前
|
Shell C++ Python
Python 里 copy.copy() 和 deepcopy() 到底差在哪:拆开 __copy__、__deepcopy__ 和那个防止无限递归的 memo 字典
copy.copy 换一个壳,copy.deepcopy 照着对象图重画一张并记牢谁指向谁。本文用本机 CPython 3.13.14 实测:浅拷贝嵌套层共享、deepcopy 对 int/str 返回原对象但含 list 的 tuple 会新建、__copy__/__deepcopy__ 钩子与 memo 传递、循环引用正确复刻、函数类不复制,以及 20 万次耗时 0.040s vs 1.052s(26.5 倍),附对照表与六条排错清单
|
1天前
|
存储 安全 索引
Python 的 enumerate 到底多做了什么:拆开这个 C 层双产出对象
把带索引遍历写对,关键是理解 enumerate 只转发、不存储:它返回独立的双产出对象,共享你的迭代器,按次产 (index, value) 元组。本文用本机 CPython 3.13.14 实测独立对象无下标访问、共享迭代器被同步消费、start 只是偏移、字典只产 key、与 zip 组合的两层解包,以及百万次三方计时对照,附场景选择表
|
2天前
|
Python
Python 的 raise from 到底多接了一根线?拆开 __cause__ 和 __context__ 两条异常链
把异常链写对,关键是理解 __cause__ 和 __context__ 是两条独立的记录:context 由解释器自动挂载,cause 只有写了 from 才会设。本文用本机 CPython 3.13.14 实测隐式链的字段形态、from 的 suppress_context 开关、from None 只关显示不删记录、traceback 连接语选择规则、五层因果链长度与异常对象复用的坑,附场景选择表
|
3天前
|
存储 缓存 索引
Python 里 zip 遍历一次就空了:拆开最短截断、strict 参数和那个一次性迭代器
把并行遍历写对,关键是理解 zip 只转发、不存储:它返回一次性迭代器,按最短输入截断,且长度不等时长的一侧会被多推进一次。本文用本机 CPython 3.13.14 实测二次遍历为空、strict=True 在 3.10 与 3.13 的报错一致性、惰性取一次 next 只推进一次各生成器、zip_longest 补齐,以及 30 万对整数下 zip 比按索引快约 16% 的性能对照
|
4天前
|
Python
Python 的 @property 到底拦住了谁:拆开数据描述符、实例字典和那个删不掉的属性
把只读属性写对,关键是理解数据描述符的查找优先级:类上的 property 永远压过实例 __dict__,而只有 __get__ 的普通函数会被实例字典覆盖。本文用本机 CPython 3.13.14 实测 property 的描述符三件套、手写等价数据描述符、__set_name__ 自动命名校验、del 无 deleter 的报错路径与 20 万次性能对照,附四层属性查找顺序与三条误区
|
25天前
|
存储 弹性计算 容灾
阿里云国际渠道代理商:ECS数据备份与恢复实战 快照、云盘与Cloud Backup容灾指南
本文详解阿里云国际版ECS数据安全三重防线:云盘多副本(防硬件故障)、自动快照(分钟级整盘恢复)、Cloud Backup(跨地域/不可变/文件级备份),兼顾RPO/RTO与成本优化,助力企业构建高可用、防勒索、合规的数据容灾体系。(239字)
|
25天前
|
数据库
分片上传的会话态、分片态与合并态:断点续传的三层校验规范
以一次"客户端报告分片成功、服务端合并报分片不存在"的故障为样本,区分分片上传的会话态、分片态、合并态,给出服务端清单核对、合并前三项校验与未完成会话清理的规范,每条附验收标准。

热门文章

最新文章