Question

在以不同方式构建列表时，我注意到一些有趣的行为。 .append比列表推导需要更长的时间，而列表推导需要的时间超过map，如下面的实验所示：

def square(x): return x**2

def appendtime(times=10**6):
  answer = []
  start = time.clock()
  for i in range(times):
    answer.append(square(i))
  end = time.clock()
  return end-start

def comptime(times=10**6):
  start = time.clock()
  answer = [square(i) for i in range(times)]
  end = time.clock()
  return end-start

def maptime(times=10**6):
  start = time.clock()
  answer = map(square, range(times))
  end = time.clock()
  return end-start

for func in [appendtime, comptime, maptime]:
  print("%s: %s" %(func.__name__, func()))

Python 2.7：

appendtime: 0.42632
comptime: 0.312877
maptime: 0.232474

Python 3.3.3：

appendtime: 0.614167
comptime: 0.5506650000000001
maptime: 0.57115

现在，我非常清楚python 2.7中的range构建了一个列表，所以我知道为什么python 2.7和3.3中相应函数的时间之间存在差异。我更关心的是append，列表理解和map之间的相对时差。

首先，我认为这可能是因为map和列表推导可以让译员知道结果列表的最终大小，这将允许解释器在引擎盖下malloc一个足够大的C数组存储列表。按照这种逻辑，列表推导和map应该花费相同的时间但是，时序数据显示，在python 2.7中，listcomps的速度比append快〜1.36倍，而map的速度比listcomps快〜1.34倍。
更奇怪的是，在python 3.3中，listcomps的速度是append的1.12倍，而map实际上比listcomps慢。

显然，map和listcomps不会“遵循相同的规则”;很明显，地图利用了listcomps没有的东西任何人都可以了解这些时间价值差异背后的原因吗？

Answer 1

首先，在python3.x中，map返回iterable，而不是列表，这样就解释了50kx的加速比。为了使它成为合理的时机，在python3.x中你需要list(map(...))。

其次，.append会慢一些，因为每次循环时，解释器需要查找列表，然后需要在列表中查找append函数。使用list-comp或map不需要进行额外的.append查找。

最后，通过list-comprehension，我相信在循环的每个回合都需要查找函数square。使用地图时，只有在调用地图时才会查找，这就是为什么如果你在列表理解中调用函数，map通常会更快。请注意，列表理解通常会使用map函数击败lambda。

循环结构的加速

1 个答案: