Question

我知道生成器比迭代器更快。我也理解可以使用for循环语法实现生成器。例如：

    import time 


startT = time.time()


def myGen(n):
    for i in range(n):
        yield x         


def myIter(n):
    for i in range(n):
        pass

def main():
    n=100
    startT=time.time()
    myIter(n)
    print 'myIter took ', time.time() - startT

    startT=time.time()
    myGen(n)
    print 'myGen(n) took ', time.time() - startT

这只是结果的一个例子：

myIter took 0.09234782
myGen(n) took 0.017847266

因为它使用for循环语法，所以我不理解它比迭代器更快。这个生成器使用一个迭代器，因为＆＃34; for＆＃34; loop是使用迭代器实现的。如果你计算时间，发电机一直更快。当生成器使用迭代器时，为什么会这样？

感谢。

Answer 1

在您的代码中，myIter(n)实际上可以正常工作 - 它会循环100次。

另一方面，

myGen(n)只是构建生成器 - 就是这样。它不计入100.您所做的只是计算构建对象所需的时间，并且您以不可靠的方式对其进行计时。如果我们使用timeit（这里使用IPython使事情更简单）：

>>> %timeit myIter(100)
1000000 loops, best of 3: 1 µs per loop
>>> %timeit myGen(100)
10000000 loops, best of 3: 163 ns per loop
>>> %timeit myGen(10**1000)
10000000 loops, best of 3: 163 ns per loop

我们发现myGen(n)时间与n无关，因为它没有做任何事情。事实上，我们可以看到您的代码从未以另一种方式执行：

>>> list(myGen(100))
Traceback (most recent call last):
  File "<ipython-input-11-dd43d937402a>", line 1, in <module>
    list(myGen(100))
  File "<ipython-input-1-ba968e48e9fd>", line 3, in myGen
    yield x
NameError: name 'x' is not defined

如果我们修复这个错误，然后尝试快速使用生成器，我们得到类似

的东西

>>> %timeit myIter(100)
1000000 loops, best of 3: 1 µs per loop
>>> %timeit consume(myGen(100), 100)
100000 loops, best of 3: 3.44 µs per loop

并且生成器版本较慢，通常就是这种情况。

为什么发电机更快？

1 个答案: