利用time模块的 time()函数来比较,运行一个 10000 长度的列表 1000次 ,比较不同方法的耗时。
复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35# file timeseqs.py import time , sys reps = 1000 size = 10000 def tester ( func , *args ) : startTime = time.time() for i in range(reps) : func ( *args ) elapsed = time.time() - startTime return elapsed def forStatement() : res = [] for x in range(size) : res.append(abs(x)) #列表解析 def listComprehension() : res = [ abs(x) for x in range(size) ] #map def mapFunction () : res = map ( abs , range(size) ) #生成器表达式 def generatorExpression() : res = list( abs(x) for x in range(size) ) print sys.version tests = ( forStatement , listComprehension , mapFunction , generatorExpression ) for testfunc in tests : print testfunc.__name__.ljust(20) , '--->' , tester(testfunc)
可以看到:for循环是最慢的,生成器表达式次之,列表解析和map差不多(map稍慢一点点)
Note 1 : 生成器表达式 并非一次性计算出一个列表,而是返回一个生成器,在之后的迭代中才处理对象,所以 省了内存 , 牺牲了一点点时间。
小结:
1.列表解析不仅从通用性,代码易写性和效率上来说,都比较优,推荐使用。
2.生成器表达式 可以节省内存
3. 有些情况下,还是推荐使用for循环,出于对 代码可读性 的考虑 , 毕竟 , 代码的可读性,可维护性才是代码的灵魂 。
最后
以上就是搞怪溪流最近收集整理的关于Learning Python:1. 生成器函数、列表解析与map,for循环的效率对比的全部内容,更多相关Learning内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
发表评论 取消回复