评估列表理解性能后对效率的困惑

Question

我今天对列表推导和filter()函数进行了一些实验，因为我有兴趣看看如果使用一个而不是另一个，是否会显着提高效率。 结果有点令人困惑。当我对偶数进行过滤时，列表推导的性能优于传统的嵌套结构，filter()函数优于~1.5x（即速度提高约1.5倍）。 但是，当我使用函数检查数字是否为素数时，filter()函数突然变得最快。

我在下面发布了更多详细信息，如果您想亲自试用，我会将代码上传到github：https://github.com/rasbt/list_comprehension_test

我多次测试了具有不同范围最大值n的代码，以确保结果一致且不受我机器上某些临时后台进程的影响。

我的问题：

• 任何想法为什么过滤偶数时过滤功能如此慢？可能是因为lambda函数还是因为我将生成器对象转换为列表？
• 为什么is_prime函数的结果如此相似，为什么过滤函数在这里最快？

---

第一部分：收集偶数

---

a）循环和else-if

even_nums = []
for i in range(1, n):
    if i % 2 == 0:
        even_nums.append(i)

b）列表理解：

even = [i for i in range(1, n) if i % 2 == 0]

c）filter（）函数

even_nums = list(filter((lambda x: x%2 != 0), range(1, n)))

is_even的

结果

• loop和else-if：1x（reference）
• 列表理解：快1.5倍
• filter（）函数：快0.9倍

---

第二部分：收集素数

---

def is_prime(num):
    """ Returns True if input integer is a prime number. """
    prime = True
    if num < 2:
        prime = False

    elif num == 2:
        prime = True
    else:
        for i in range(2, num):
            if num % i == 0:
                prime = False    
                break
    return prime

a）循环和else-if

primes = []
for i in range(1, n):
    if is_prime(i):
        primes.append(i)

b）列表理解：

primes = [i for i in range(1, n) if is_prime(i)]

c）filter（）函数

primes = list(filter(is_prime, range(1, n)))

is_prime的

结果

• loop和else-if：1x（reference）
• 列表理解：快0.98倍
• filter（）函数：快了1.13倍

Answer 1

如果以这种方式实施第一次测试，结果应该与第二次测试一致：

is_even = lambda i: i % 2 == 0
even = [i for i in range(1, n) if is_even(i)]

在filter实现中，每次迭代都有一次函数调用（lambda），这是一个额外的步骤。第二个测试中不存在这种差异，因为在这种情况下，每次迭代时，两个实现都已经包含一次调用（is_prime）。

至于为什么filter略快一些，我怀疑它与filter是本机而不是python代码有关。考虑到列表推导仍然对每次迭代的python代码进行额外评估：即i之前的for。 filter中不需要此评估步骤，这可能直接产生本机实现中的值。