python如何优化条件列表推导

Question

我读到List comprehension without [ ] in Python所以现在我知道了

''.join([str(x) for x in mylist])

比

快

''.join(str(x) for x in mylist)

因为＆＃34;列表推导得到了高度优化＆＃34;

所以我认为优化依赖于for表达式的解析，看mylist，计算它的长度，并使用它来预先分配精确的数组大小，这节省了大量的再分配。

使用''.join(str(x) for x in mylist)时，join会盲目地接收一个生成器，并且必须在不事先知道大小的情况下构建其列表。

但现在考虑一下：

mylist = [1,2,5,6,3,4,5]
''.join([str(x) for x in mylist if x < 4])

python如何决定列表理解的大小？它是根据mylist的大小计算的，并且在迭代完成时缩小（如果列表很大并且条件过滤掉99％的元素，这可能非常糟糕），或者它是否会恢复为＆ ＃34;事先不知道大小＆＃34;情况？

编辑：我已经完成了一些小的基准测试，似乎确认有一个优化：

没有条件：

import timeit

print(timeit.timeit("''.join([str(x) for x in [1,5,6,3,5,23,334,23234]])"))
print(timeit.timeit("''.join(str(x) for x in [1,5,6,3,5,23,334,23234])"))

收益率（如预期）：

3.11010817019474
3.3457350077491026

条件：

print(timeit.timeit("''.join([str(x) for x in [1,5,6,3,5,23,334,23234] if x < 50])"))
print(timeit.timeit("''.join(str(x) for x in [1,5,6,3,5,23,334,23234] if x < 50)"))

的产率：

2.7942209702566965
3.0316467566203276

所以条件listcomp仍然更快。

Answer 1

列表理解不预先确定列表的大小，即使它们完全可以。您假设存在未实际完成的优化。

列表理解更快，因为所有迭代器机制以及进入和退出genexp堆栈帧的工作都有成本。列表理解不需要支付这笔费用。