Python List Comprehension vs

为什么列表理解有更好的性能比for循环，在Python中？Python List Comprehension vs

列表理解：

new_items = [a for a in items if a > 10]

for循环：

new_items = [] 
for a in items: 
    if a > 10: new_items.append(a)

是否还有其他的例子（不循环），其中一个Python的结构具有比另一个Python结构性能差？

来源

2013-06-03 Tom Cruise

*是否有其他示例（非循环），当一个Python结构比其他Python结构的性能差？* - 无限多。 –

@Lattyware，例如？ –

如果性能是唯一的原因，你不应该太担心lc vs loop。担心你的整体算法是健全的，并担心你可以理解你编写的代码。 – dawg

从本质上讲，列表理解和循环做的事情非常相似，列表理解消除了一些开销并使其看起来很漂亮。要理解为什么这是更快，你应该看看在Efficiency of list comprehensions和引用有关问题的相关部分：

列表理解这里更好地发挥，因为你不需要加载追加属性关闭名单（循环程序，字节码28）和称之为函数（循环程序，字节码38）。相反，在的理解中，为快速附加到结果列表（理解程序，字节码33）上的生成专用的LIST_APPEND字节码。

在loop_faster程序，你避免追加属性查找的开销提升它的循环，并把结果在fastlocal（字节码9-12），所以它更快速地循环;然而，理解使用专门的LIST_APPEND字节码而不是招致函数调用的开销，所以它仍然胜过。

该链接还详细介绍了与lc相关的一些可能的缺陷，我建议您通过一次。

来源

2013-06-03 23:22:41 goofd

如果你想要时间你的代码，你可以使用''％timeit' 'ipython中的神奇功能 – goofd

LC不需要担心语句之类的事情，因为LC中只允许表达式。 –

这不太好。这是非常长的声明，所以我必须将其分成多行。一旦出现这种情况，理解对我来说就没什么意义了：'[[如果item_idx == row_idx其他0为范围（0，3）中的item_idx]]为范围（0，3）]中的row_idx] https://python-3-patterns-idioms-test.readthedocs.org/en/latest/Comprehensions.html。 – Schultz9999

从the python wiki

for语句是最常用的。它遍历一个序列的元素，将每个元素分配给循环变量。如果循环的主体很简单，那么for循环的解释器开销本身可能是大量的开销。这是地图功能方便的地方。你可以把map看作一个移动到C代码的地方。

如此简单的循环有列表解析带来的开销。

来源

2013-06-03 23:20:47

假设我们在这里谈论CPython中，您可以使用dis模块比较生成的字节码：

>> def one(): 
     return [a for a in items if a > 10] 

>> def two(): 
     res = [] 
     for a in items: 
      if a > 10: 
       res.append(a) 

>> dis.dis(one) 

    2   0 BUILD_LIST    0 
       3 LOAD_GLOBAL    0 (items) 
       6 GET_ITER 
     >> 7 FOR_ITER    24 (to 34) 
      10 STORE_FAST    0 (a) 
      13 LOAD_FAST    0 (a) 
      16 LOAD_CONST    1 (10) 
      19 COMPARE_OP    4 (>) 
      22 POP_JUMP_IF_FALSE  7 
      25 LOAD_FAST    0 (a) 
      28 LIST_APPEND    2 
      31 JUMP_ABSOLUTE   7 
     >> 34 RETURN_VALUE 

>> dis.dis(two) 
    2   0 BUILD_LIST    0 
       3 STORE_FAST    0 (res) 

    3   6 SETUP_LOOP    42 (to 51) 
       9 LOAD_GLOBAL    0 (items) 
      12 GET_ITER 
     >> 13 FOR_ITER    34 (to 50) 
      16 STORE_FAST    1 (a) 

    4   19 LOAD_FAST    1 (a) 
      22 LOAD_CONST    1 (10) 
      25 COMPARE_OP    4 (>) 
      28 POP_JUMP_IF_FALSE  13 

    5   31 LOAD_FAST    0 (res) 
      34 LOAD_ATTR    1 (append) 
      37 LOAD_FAST    1 (a) 
      40 CALL_FUNCTION   1 
      43 POP_TOP 
      44 JUMP_ABSOLUTE   13 
      47 JUMP_ABSOLUTE   13 
     >> 50 POP_BLOCK 
     >> 51 LOAD_CONST    0 (None) 
      54 RETURN_VALUE

因此，对于一两件事，列表解析需要专用LIST_APPEND操作码这是不的优势被for循环使用。

来源

2013-06-03 23:23:54 yonilevy

Python List Comprehension vs

回答

相关问题