python3中for循环的效率

Question

我目前正在学习Python（3），主要使用R作为主要编程语言。 虽然在R for -loops中具有与Python相同的功能，但我被教导要避免将其用于大型操作，而是使用apply ，这样更有效。

我的问题是：Python中for -loops效率如何，是否有替代方案，是否值得探索作为Python新手的可能性？

例如：

p = some_candidate_parameter_generator(data)
for i in p:
    fit_model_with paramter(data, i)

请耐心等待，在不特定代码的情况下举一个例子是很棘手的。 但这是R我会用apply编写的东西，特别是如果p很大的话。

Answer 1

评论正确地指出for循环“只有你的逻辑有效”; 但是，Python中的range和xrange确实有性能影响，这可能是你在提出这个问题时所想到的。 这些方法与for循环的内在性能无关。

在Python 3.0中， xrange现在隐式只是range ; 然而，在小于3.0的Python版本中，曾经有过区别 - range将整个迭代加载到内存中，然后迭代每个项目，而xrange更类似于生成器，其中每个项目仅在需要时加载到内存中迭代后从内存中删除。

更新后的问题：

换句话说，如果你有一个巨大的项目列表，你需要通过for循环迭代，使用生成器通常更有内存效率，而不是列表或元组等。再次，这没有什么如何处理Python for循环的操作，但更多的是与迭代的内容有关。 如果有疑问，请使用生成器，您的内存效率将与Python获得的效果一样好。