标签：
在我们平时写代码中，肯定会遇到不少从一个列表向另一个列表进行转化的操作，以给列表中每个int元素+1为例，通常我们会用到一下3种方式：
array = range(1000) # 循环 a = [] for i in array: a.append(i+1) #map函数 a = map(lambda x: x+1, array) #列表推导 a = [x+1 for x in array]
究竟以上三种写法有何差异，哪种写法最好，之前读google的代码规范说推荐第三种列表推导，那么为什么推荐列表推导？
我们在ipython中用timeit进行一下简单的评测：
#循环 array=range(1000) a=[] %timeit for i in array: a.append(i+1) # 1000 loops, best of 3: 156 us per loop #map函数 %timeit map(lambda x: x+1, array) # 10000 loops, best of 3: 172 us per loop #列表推导 %timeit [x+1 for x in array] #10000 loops, best of 3: 68.7 us per loop
可以看出列表推导的优势是非常明显的
为什么会造成这种情况呢？我们用dis模块查看各个方法调用了哪些底层资源
def test_for(array): a = [] for i in array: a.append(i+1) return a dis.dis(test_for) 2 0 BUILD_LIST 0 3 STORE_FAST 1 (a) 3 6 SETUP_LOOP 31 (to 40) 9 LOAD_FAST 0 (array) 12 GET_ITER >> 13 FOR_ITER 23 (to 39) 16 STORE_FAST 2 (i) 4 19 LOAD_FAST 1 (a) 22 LOAD_ATTR 0 (append) 25 LOAD_FAST 2 (i) 28 LOAD_CONST 1 (1) 31 BINARY_ADD 32 CALL_FUNCTION 1 35 POP_TOP 36 JUMP_ABSOLUTE 13 >> 39 POP_BLOCK 5 >> 40 LOAD_FAST 1 (a) 43 RETURN_VALUE
可以看出for循环中，在主循环体，程序反复调用load和call
def test_map(array): return map(lambda x: x+1, array) dis.dis(test_map) 2 0 LOAD_GLOBAL 0 (map) 3 LOAD_CONST 1 (<code object <lambda> at 0x29e4cb0, file "<ipython-input-20-4aa500644b58>", line 2>) 6 MAKE_FUNCTION 0 9 LOAD_FAST 0 (array) 12 CALL_FUNCTION 2 15 RETURN_VALUE
map循环时构造了一个匿名函数，并且用map调用了该函数call
def test_list(array): return [x+1 for x in array] dis.dis(test_list): 2 0 BUILD_LIST 0 3 LOAD_FAST 0 (array) 6 GET_ITER >> 7 FOR_ITER 16 (to 26) 10 STORE_FAST 1 (x) 13 LOAD_FAST 1 (x) 16 LOAD_CONST 1 (1) 19 BINARY_ADD 20 LIST_APPEND 2 23 JUMP_ABSOLUTE 7 >> 26 RETURN_VALUE
列表推导居然使用了LIST_APPEND这样一个东西去记录结果
我们都知道调用底层的速度会更快，所以说用列表推导的方式会更快一些，因为他并没有调用其他的函数
那么如何修改前两种方法，使其速度更快呢？
1，for循环，我们留意到for循环中有两个步骤，一是load，而是call，如果把load的过程记录下来，那么速度就会更快一些
a = [] test_func = a.append %timeit for i in array: test_func(i+1) #10000 loops, best of 3: 100 us per loop
比较之前的写法，有大幅度的提升
2，map函数，我们在一开始的测试中使用的是我们自定义的lambda匿名函数，如果将该匿名函数设置为底层的简单加法，那么其速度也会有大幅提升
int_obj=1 %timeit map(int_obj.__add__, array) #10000 loops, best of 3: 67.6 us per loop
我们惊奇的发现其速度和列表推导几乎一样
接下来就有一个问题：为什么有列表推导，还要有for呢？如果对于一个复杂的转换操作，列表推导的效率其实和for是差不多的
def add(x): return x+1 %timeit [add(x) for x in array] #1000 loops, best of 3: 180 us per loop
总上所述：简单的循环映射操作，我们建议用列表推导形式，其效率更高，速度更快。复杂的循环映射操作，我们建议用for循环，这样的代码更加易读易懂。而对于map方法，我们认为这是一种过时的写法，应当少用，甚至不用。
参考：https://www.zhihu.com/question/34637934
以上结果实测：python 2.7.3，ipython 0.12.1
python中，for循环，map函数，list comprehension列表推导的效率比较
标签：
原文地址：http://www.cnblogs.com/miyisia/p/5506482.html
