Python中單行語句的用處

Question

使用一行循環，甚至是嵌套循環在Python中總是一個好習慣？我看到很多人都喜歡「單行」，但對我而言，他們有時候很難閱讀，特別是如果我們談論嵌套循環。

而且大多數我見過的嵌套循環遠超過每行推薦的79個字符。

所以我想知道，如果「單行」提供額外的東西除了緊湊？他們可能會使用更少的內存嗎？

Answer 1

是的，他們能更快地很容易，因爲更多的代碼可以用C運行（在顯式循環所有的緊急措施必須是可用來解釋器，在一個班輪列表理解它不必）。還有避免了這一切.append方法呼叫的方法，查找等。在列表理解的開銷：

import timeit 


def f1(): 
    result = [] 
    for x in range(100): 
     for y in range(100): 
      result.append(x * y) 
    return result 


def f2(): 
    return [x * y for y in range(100) for x in range(100)] 


print('loop: ', timeit.timeit(f1, number=1000)) 
print('oneliner:', timeit.timeit(f2, number=1000)) 

結果（Python 3中）：

loop: 1.2545137699926272 
oneliner: 0.6745600730064325 

Answer 2

取決於一襯墊，一些可以是更加有效和非常可讀的。

以列表理解爲例。比方說，你要採取一切數字1到10，輸出乘以他們的產品的清單2.

輸入：[1,2,3,...,9,10]
輸出：[2,4,6,...,18,20]

你可以做一個for循環，如下所示：

output = [] 
for i in range(1, 11): 
    output.append(i*2) 

或者你也可以使用列表理解：

[i*2 for i in range(1,11)] 

你會看到第l理解速度快得多，而且很可讀。

同樣可以說，對於字典理解，設定理解和生成器表達式。只要是可以理解的，我們極力鼓勵使用map()和filter()。

Answer 3

是。這是很好的做法。

通常有經驗的程序員使用匿名函數（見拉姆達：http://www.secnetix.de/olli/Python/lambda_functions.hawk）在一個線環，它提供了更好的性能。

Answer 4

討論......他們都這樣做。

「A」列表理解...吸菸的一行... 「B」同樣的事情，但你可以提供一個列表理解中的註釋......它仍然在技術上是一個班輪 「 c'是傳統方法。 如果速度是一個問題，我不太擔心速度，除非我每天執行相同的任務，而且需要很長時間才能完成。當你談論微或納秒時比較速度可能會引起學術界的興趣，但它不會影響絕大多數用戶。 我總是投票表達清晰的代碼的緊湊性。

a = [i**2 for i in range(20) if i > 5 and i < 10] 

b = [i**2    # do this 
    for i in range(20) # using these 
    if (i > 5) and  # where this and 
     (i < 10)  # this is good 
    ] 

c = [] 
for i in range(20): 
    if (i > 5) and (i < 10): 
     c.append(i**2) 

EDIT 產生的數字範圍的產物給出的例子，是一個很好的指標，該oneliner不必是問題，但所使用的方法來獲得的結果。我將說明如何確定僅使用10個值的產品...如果您喜歡，請嘗試使用100。我會以完整的格式完成它，但如果需要的話，可以將所有內容都減少到一個字符串（不包括進口）。

>>> import numpy as np 
>>> a = np.arange(10) 
>>> b = np.arange(10).reshape(10,1) 
>>> a 
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 
>>> b 
array([[0], 
     [1], 
     [2], 
     [3], 
     [4], 
     [5], 
     [6], 
     [7], 
     [8], 
     [9]]) 
>>> a*b 
array([[ 0, 0, 0, 0, 0, 0, 0, 0, 0, 0], 
     [ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], 
     [ 0, 2, 4, 6, 8, 10, 12, 14, 16, 18], 
     [ 0, 3, 6, 9, 12, 15, 18, 21, 24, 27], 
     [ 0, 4, 8, 12, 16, 20, 24, 28, 32, 36], 
     [ 0, 5, 10, 15, 20, 25, 30, 35, 40, 45], 
     [ 0, 6, 12, 18, 24, 30, 36, 42, 48, 54], 
     [ 0, 7, 14, 21, 28, 35, 42, 49, 56, 63], 
     [ 0, 8, 16, 24, 32, 40, 48, 56, 64, 72], 
     [ 0, 9, 18, 27, 36, 45, 54, 63, 72, 81]]) 

或作爲一襯墊

>>> out = np.arange(10) * np.arange(10).reshape(10,1) 

，當然也有內置函數來做到這一點沒有充分表達我已經表明。

要點是，速度並不是一切。應該首先考慮清晰的代碼和選擇正確的工具來完成這項工作。