python3中for循環的效率

Question

我目前正在學習Python（3），主要使用R作為主要編程語言。 雖然在R for -loops中具有與Python相同的功能，但我被教導要避免將其用於大型操作，而是使用apply ，這樣更有效。

我的問題是：Python中for -loops效率如何，是否有替代方案，是否值得探索作為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)

請耐心等待，在不特定代碼的情況下舉一個例子是很棘手的。 但這是R我會用apply編寫的東西，特別是如果p很大的話。

Answer 1

評論正確地指出for循環“只有你的邏輯有效”; 但是，Python中的range和xrange確實有性能影響，這可能是你在提出這個問題時所想到的。 這些方法與for循環的內在性能無關。

在Python 3.0中， xrange現在隱式只是range ; 然而，在小於3.0的Python版本中，曾經有過區別 - range將整個迭代加載到內存中，然后迭代每個項目，而xrange更類似於生成器，其中每個項目僅在需要時加載到內存中迭代后從內存中刪除。

更新后的問題：

換句話說，如果你有一個巨大的項目列表，你需要通過for循環迭代，使用生成器通常更有內存效率，而不是列表或元組等。再次，這沒有什么如何處理Python for循環的操作，但更多的是與迭代的內容有關。 如果有疑問，請使用生成器，您的內存效率將與Python獲得的效果一樣好。