根据this question，我检查了笔记本电脑的性能。
令人惊讶的是，我发现pop(0)中的list比popleft()结构中的deque快：
python -m timeit 'l = range(10000)' 'l.pop(0)'
给出：
10000次循环，最好是3次：每个循环66个usec
而：
python -m timeit 'import collections' 'l = collections.deque(range(10000))' 'l.popleft()'
给出：
10000次循环，最佳为3次：每个循环123微秒
此外，我检查了jupyter的性能，发现了相同的结果：
%timeit l = range(10000); l.pop(0)
10000个循环，每个循环最好为3：64.7 µs
from collections import deque
%timeit l = deque(range(10000)); l.popleft()
10000次循环，最好为3：每个循环122 µs
是什么原因？
最佳答案
问题在于您的timeit调用还会对双端队列/列表的创建进行计时，并且由于链接的原因，创建deque显然要慢得多。
在命令行中，可以使用timeit选项将设置传递给-s，如下所示：
python -m timeit -s"import collections, time; l = collections.deque(range(10000000))" "l.popleft()"
另外，由于安装程序仅运行一次，所以在提示之后您会收到一个弹出错误（空列表），因为我没有更改默认的迭代次数，因此我创建了一个大的双端队列来弥补它，
10000000 loops, best of 3: 0.0758 usec per loop
另一方面，使用
list比较慢：python -m timeit -s "l = list(range(10000000))" "l.pop(0)"
100 loops, best of 3: 9.72 msec per loop
我还用一个脚本（更方便）在一个脚本中编写了基准，并进行了设置（以避免对设置进行计时），并在100000大小的列表上进行了99999次迭代：
import timeit
print(timeit.timeit(stmt='l.pop(0)',setup='l = list(range(100000))',number=99999))
print(timeit.timeit(setup='import collections; l = collections.deque(range(100000))', stmt='l.popleft()', number=99999))
毫不奇怪：
deque获胜：2.442976927292288 for pop in list
0.007311641921253109 for pop in deque
请注意，列表的
l.pop()在0.011536903686244897秒内运行，按预期方式弹出最后一个元素时，这非常好。关于python - deque.popleft()vs list.pop(0)，性能分析，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/44313935/