[英]Performance of loops, list comprehensions and maps in Python 3
如何才能在Python 3.6中正确比较for循环,列表推导和映射的性能?
在下面的代码中,普通的旧for循环执行得很好(我使用list()
从生成器获取值)。 我在这里做错了吗? 结果与Python 2的讨论形成鲜明对比。
import timeit
code_for = """
for i in range(1000):
hex(i)
"""
code_map = """
list(map(hex, range(1000)))
"""
code_map_lambda = """
list(map(lambda x: hex(x), range(1000)))
"""
code_list_comprehension = """
[hex(x) for x in range(1000)]
"""
print(timeit.timeit(code_for, number=10000))
# 1.1155821208376437
print(timeit.timeit(code_map, number=10000))
# 0.8820606248918921
print(timeit.timeit(code_map_lambda, number=10000))
# 1.7510833400301635
print(timeit.timeit(code_list_comprehension, number=10000))
# 1.1798800542019308
更新:在code_for
向列表添加元素
code_for_2 = """
a = [0] * 1000
for i in range(1000):
a[i] = hex(i)
"""
# 1.243549756007269
code_for_3 = """
a = []
for i in range(1000):
a.append(hex(i))
"""
# 1.5462996119167656
几点建议:
code_for
。 这是使用显式for
循环的大部分成本。 timeit
,或者如果你有Jupyter笔记本,可以使用magic %timeit
命令。 如下所示,没有lambda
map
表现最好,这是有道理的,因为hex
是内置的。 请参阅Python列表理解VS. 地图了解更多详情。
def code_for(n):
res = []
for i in range(n):
res.append(hex(i))
return res
def code_map(n):
return list(map(hex, range(n)))
def code_map_lambda(n):
return list(map(lambda x: hex(x), range(n)))
def code_list_comprehension(n):
return [hex(x) for x in range(n)]
%timeit code_for(10000) # 3.19 ms per loop
%timeit code_map(10000) # 1.69 ms per loop
%timeit code_map_lambda(10000) # 3.06 ms per loop
%timeit code_list_comprehension(10000) # 2.27 ms per loop
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.