Question

我目前正在学习Python（3），主要使用R作为主要编程语言。虽然在R for中 - 循环具有与Python相同的功能，但我被教导要避免将其用于大型操作，而是使用apply，这样效率更高。

我的问题是：for - Python中的循环效率如何，是否有替代方案，是否值得探索作为Python新手的可能性？

例如：

p = some_candidate_parameter_generator(data)
for i in p:
    fit_model_with paramter(data, i)

忍受我，举一个例子而不过多考虑具体代码是很棘手的。但R我会用apply写一些内容，特别是p很大的时候。

Answer 1

评论正确地指出for循环“只有你的逻辑有效”;但是，Python中的range和xrange确实会产生性能影响，这可能是您在提出此问题时的想法。 这些方法与for循环的内在性能无关。

在Python 3.0中，xrange现在隐含只是range;然而，在小于3.0的Python版本中，曾经存在区别 - range将整个迭代加载到内存中，然后迭代每个项目，而xrange更类似于生成器，其中每个item仅在需要时加载到内存中，然后在迭代后从内存中删除。

更新后的问题：

换句话说，如果你有一个巨大的项目列表，你需要通过for循环迭代，使用生成器通常更有内存效率，而不是列表或元组，等等。与for循环的操作无关，而是与迭代的内容有关。如果有疑问，请使用生成器，您的内存效率将与Python相同。