将迭代器转换为列表的最快方法

Question

拥有iterator对象，是否有比列表理解更快、更好或更正确的方法来获取迭代器返回的对象列表？

user_list = [user for user in user_iterator]

Answer 1

list(your_iterator)

Answer 2

从python 3.5 开始，您可以使用*可迭代解包运算符：

user_list = [*your_iterator]

但是pythonic的方法是：

user_list  = list(your_iterator)

Answer 3

@Robino 建议添加一些有意义的测试，因此这是将迭代器转换为列表的 3 种可能方法（可能是最常用的方法）之间的简单基准测试：

1. 按类型构造函数

list(my_iterator)

1. 通过开箱

[*my_iterator]

3. 使用列表理解

[e for e in my_iterator]

我一直在使用simple_bechmark库

from simple_benchmark import BenchmarkBuilder
from heapq import nsmallest

b = BenchmarkBuilder()

@b.add_function()
def convert_by_type_constructor(size):
    list(iter(range(size)))

@b.add_function()
def convert_by_list_comprehension(size):
    [e for e in iter(range(size))]

@b.add_function()
def convert_by_unpacking(size):
    [*iter(range(size))]


@b.add_arguments('Convert an iterator to a list')
def argument_provider():
    for exp in range(2, 22):
        size = 2**exp
        yield size, size

r = b.run()
r.plot()

正如您所看到的，很难区分构造函数的转换和解包的转换，列表推导式的转换是“最慢”的方法。

---

我还使用以下简单脚本在不同的 Python 版本（3.6、3.7、3.8、3.9）上进行了测试：

import argparse
import timeit

parser = argparse.ArgumentParser(
    description='Test convert iterator to list')
parser.add_argument(
    '--size', help='The number of elements from iterator')

args = parser.parse_args()

size = int(args.size)
repeat_number = 10000

# do not wait too much if the size is too big
if size > 10000:
    repeat_number = 100


def test_convert_by_type_constructor():
    list(iter(range(size)))


def test_convert_by_list_comprehension():
    [e for e in iter(range(size))]


def test_convert_by_unpacking():
    [*iter(range(size))]


def get_avg_time_in_ms(func):
    avg_time = timeit.timeit(func, number=repeat_number) * 1000 / repeat_number
    return round(avg_time, 6)


funcs = [test_convert_by_type_constructor,
         test_convert_by_unpacking, test_convert_by_list_comprehension]

print(*map(get_avg_time_in_ms, funcs))

脚本将通过 Jupyter Notebook（或脚本）的子进程执行，大小参数将通过命令行参数传递，脚本结果将从标准输出中获取。

from subprocess import PIPE, run

import pandas

simple_data = {'constructor': [], 'unpacking': [], 'comprehension': [],
        'size': [], 'python version': []}


size_test = 100, 1000, 10_000, 100_000, 1_000_000
for version in ['3.6', '3.7', '3.8', '3.9']:
    print('test for python', version)
    for size in size_test:
        command = [f'python{version}', 'perf_test_convert_iterator.py', f'--size={size}']
        result = run(command, stdout=PIPE, stderr=PIPE, universal_newlines=True)
        constructor, unpacking,  comprehension = result.stdout.split()
        
        simple_data['constructor'].append(float(constructor))
        simple_data['unpacking'].append(float(unpacking))
        simple_data['comprehension'].append(float(comprehension))
        simple_data['python version'].append(version)
        simple_data['size'].append(size)

df_ = pandas.DataFrame(simple_data)
df_

你可以从这里得到我完整的笔记本。

在大多数情况下，在我的测试中，解包显示速度更快，但差异非常小，以至于结果可能会从一次运行更改为另一次运行。 同样，理解方法是最慢的，实际上，其他 2 种方法最多快 60%。