Question

我有两个相同的代码 Code1

>>> a=[0]*60000000

Code2

>>> a=[]
>>> for i in range(0,60000000):
        a.append(0)

在我的电脑中Code1所需时间为1秒，但Code2为480秒!! 为什么？哇是不同的？

Answer 1

（接下来我假设你使用的是Python 3;在Python 2中，故事情节类似，但我们必须讨论由range引起的内存分配成本。）

你的第二个程序花费时间在Python字节码中运行。让我们使用dis模块对其进行反汇编：

>>> import dis >>> dis.dis('a=[]\nfor i in range(0,60000000):\n a.append(0)') 1 0 BUILD_LIST 0 3 STORE_NAME 0 (a) 2 6 SETUP_LOOP 36 (to 45) 9 LOAD_NAME 1 (range) 12 LOAD_CONST 0 (0) 15 LOAD_CONST 1 (60000000) 18 CALL_FUNCTION 2 (2 positional, 0 keyword pair) 21 GET_ITER >> 22 FOR_ITER 19 (to 44) 25 STORE_NAME 2 (i) 3 28 LOAD_NAME 0 (a) 31 LOAD_ATTR 3 (append) 34 LOAD_CONST 0 (0) 37 CALL_FUNCTION 1 (1 positional, 0 keyword pair) 40 POP_TOP 41 JUMP_ABSOLUTE 22 >> 44 POP_BLOCK >> 45 LOAD_CONST 2 (None) 48 RETURN_VALUE

循环从字节22到41运行，每次循环循环，Python必须解码并执行七字节代码指令，并调用函数（函数为a.append）。这是4.2亿字节的代码指令和6000万个函数调用。

而您的第一个程序花费时间在本机代码中运行：

>>> dis.dis('a = [0] * 60000000') 1 0 LOAD_CONST 0 (0) 3 BUILD_LIST 1 6 LOAD_CONST 1 (60000000) 9 BINARY_MULTIPLY 10 STORE_NAME 0 (a) 13 LOAD_CONST 2 (None) 16 RETURN_VALUE

你可以看到，不仅没有循环，也没有函数调用。所有工作都在BINARY_MULTIPLY指令内“发生”，发送到list_multiply in listobject.c，由于列表[0]只包含一个元素，因此结果将在此紧密循环中构建第529-536行：

if (Py_SIZE(a) == 1) { elem = a->ob_item[0]; for (i = 0; i < n; i++) { items[i] = elem; Py_INCREF(elem); } return (PyObject *) np; }

Answer 2

Python 2.7中的

range自己创建一个列表，而不是迭代器。因此，您将Code2中的工作加倍。这意味着，您首先创建一个6000000项的列表，然后迭代它。 Code1不需要那个中间步骤。

此[range]是一个多功能函数，用于创建包含算术的列表级数

Soure：Range Python 2.x

将其与Python 3.x进行比较：

范围实际上是一个不可变的序列，而不是一个函数类型，如范围和序列类型中记录的 - 列表，元组，范围。

来源：Range Python 3.x

尝试使用xrange代替range，然后再次测试。

Answer 3

忽略您使用range而不是xrange的事实，有两件事情正在发生：

1）虽然函数到达相同的输出，但函数不会做同样的事情。您的code1表示“[0]连接在一起的6000万份”。这不是Code2正在做的事情，显然 - 它必须将列表的append方法称为6000万次。

2）python中的显式循环很慢。在某个地方Code1有一个循环，但它以“C速度”发生，而不是蟒蛇速度。

def f():
    a = [0]*6000000

def g():
    a = []
    for i in xrange(6000000):
        a.append(0)

%timeit f()
10 loops, best of 3: 31 ms per loop

%timeit g()
1 loops, best of 3: 358 ms per loop

在这样的紧密循环中，大部分开销都在循环本身中，而不是其中包含的操作。因此，优化紧密循环的一种流行方法是将它们理解为：

def h():
    [0 for _ in xrange(6000000)]

%timeit h()
10 loops, best of 3: 151 ms per loop

请注意，这两个函数再次没有做同样的事情，这就是f和h之间存在差异的原因。

n项列表的不同追加和python中的[0] * n？

3 个答案: