Question

我很惊讶这篇文章here中描述的一些zipmap选项的表现。

（我还是新来的，所以我无法评论那个帖子。）

特别是，我有兴趣比较列表理解：

[f(x) for f,x in zip(functions, values)]

到地图调用：

map(lambda f,x: f(x), functions, values)

我听说lambda很贵，但是不会映射涉及更少的函数调用吗？

谢谢！

Answer 1

首先，对性能的可读性 - 除非您能证明这是您的程序的瓶颈，否则请使用更易读的列表理解。

如果它是一个瓶颈，那么就做一些性能测试（参见the timeit module） - 但除非所有的功能都是微不足道的，否则它可能无关紧要。

快速测试：

python -m timeit -s "functions = [lambda x: x+y for y in range(1000)]" -s "values = list(range(1000))" "[f(x) for f,x in zip(functions, values)]"
1000 loops, best of 3: 207 usec per loop

python -m timeit -s "functions = [lambda x: x+y for y in range(1000)]" -s "values = list(range(1000))" "list(map(lambda f,x: f(x), functions, values))"
1000 loops, best of 3: 315 usec per loop

如果你想要一个生成器表达式：

python -m timeit -s "functions = [lambda x: x+y for y in range(1000)]" -s "values = list(range(1000))" "list(f(x) for f,x in zip(functions, values))"
1000 loops, best of 3: 250 usec per loop

使用Python 2.x的旧式地图直接生成列表以获得完整性（相当于列表推导示例）：

python2 -m timeit -s "functions = [lambda x: x+y for y in range(1000)]" -s "values = list(range(1000))" "map(lambda f,x: f(x), functions, values)"  
1000 loops, best of 3: 234 usec per loop

我们可以看到列表理解无论如何都会在性能上获胜。

功能和功能列表

1 个答案: