Learning Python：1. 生成器函数、列表解析与map，for循环的效率对比

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。

# 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

以上就是搞怪溪流为你收集整理的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，希望文章能够帮你解决Learning Python：1. 生成器函数、列表解析与map，for循环的效率对比所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。