Python List Comprehension vs

爲什麼列表理解有更好的性能比for循環，在Python中？Python List Comprehension vs

列表理解：

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

for循環：

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

是否還有其他的例子（不循環），其中一個Python的結構具有比另一個Python結構性能差？

來源

2013-06-03 Tom Cruise

*是否有其他示例（非循環），當一個Python結構比其他Python結構的性能差？* - 無限多。 –

@Lattyware，例如？ –

如果性能是唯一的原因，你不應該太擔心lc vs loop。擔心你的整體算法是健全的，並擔心你可以理解你編寫的代碼。 – dawg

從本質上講，列表理解和循環做的事情非常相似，列表理解消除了一些開銷並使其看起來很漂亮。要理解爲什麼這是更快，你應該看看在Efficiency of list comprehensions和引用有關問題的相關部分：

列表理解這裏更好地發揮，因爲你不需要加載追加屬性關閉名單（循環程序，字節碼28）和稱之爲函數（循環程序，字節碼38）。相反，在的理解中，爲快速附加到結果列表（理解程序，字節碼33）上的生成專用的LIST_APPEND字節碼。

在loop_faster程序，你避免追加屬性查找的開銷提升它的循環，並把結果在fastlocal（字節碼9-12），所以它更快速地循環;然而，理解使用專門的LIST_APPEND字節碼而不是招致函數調用的開銷，所以它仍然勝過。

該鏈接還詳細介紹了與lc相關的一些可能的缺陷，我建議您通過一次。

來源

2013-06-03 23:22:41 goofd

如果你想要時間你的代碼，你可以使用''％timeit' 'ipython中的神奇功能 – goofd

LC不需要擔心語句之類的事情，因爲LC中只允許表達式。 –

這不太好。這是非常長的聲明，所以我必須將其分成多行。一旦出現這種情況，理解對我來說就沒什麼意義了：'[[如果item_idx == row_idx其他0爲範圍（0，3）中的item_idx]]爲範圍（0，3）]中的row_idx] https://python-3-patterns-idioms-test.readthedocs.org/en/latest/Comprehensions.html。 – Schultz9999

從the python wiki

for語句是最常用的。它遍歷一個序列的元素，將每個元素分配給循環變量。如果循環的主體很簡單，那麼for循環的解釋器開銷本身可能是大量的開銷。這是地圖功能方便的地方。你可以把map看作一個移動到C代碼的地方。

如此簡單的循環有列表解析帶來的開銷。

來源

2013-06-03 23:20:47

假設我們在這裏談論CPython中，您可以使用dis模塊比較生成的字節碼：

>> 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，對於一兩件事，列表解析需要專用LIST_APPEND操作碼這是不的優勢被for循環使用。

來源

2013-06-03 23:23:54 yonilevy

Python List Comprehension vs

回答

相關問題