Python列表推导是否会在每次迭代时附加？

Question

我试图理解Python中列表推导的性能，以及使用它们与循环创建列表的权衡。使用for循环将元素附加到列表的已知性能成本之一是在每次迭代时它是O（k）（其中k是列表的长度），因为append需要到达列表的末尾添加一个额外的元素。

这对列表推导有什么用？在每次迭代时，是否需要到达新列表的末尾以附加新元素？

elementtree.SimpleXMLTreeBuilder.TreeBuilder

我搜索过Python文档，Stack Overflow和其他网站，但无法找到有关此内容的任何信息。关于列表推导的更多更高级别的信息有很多资源，但没有类似的具体内容。

如果你无法提供答案，请指导我，或者告诉我如何查看实际的基础Python列表理解代码，以便我可以自己做这个？

Answer 1

附加到列表已摊销 O(1)而不是O(k);列表实现为可变长度数组，而不是链接列表。复杂性适用于for循环和my_list.append调用以及列表推导（其中，扰码警报，也追加）。

所以在这两种情况下。复杂性为O(N)。

列表推导通常表现更好，因为他们专门做一件事： 创建列表。为它们生成的字节码是特定的。 （参见LIST_APPEND字节码）

另请注意，列表推导（如for循环）不必在每次迭代时附加。使用if子句来过滤掉循环的元素，这是常用的。

如果您想了解如何在CPython中实现list-comprehensions，您可以查看为它们生成的字节码，并浏览ceval.c以查找为每个执行的操作。

编译列表推导表达式后，可以用dis看到字节码：

dis(compile('[i for i in range(10)]', '', 'exec').co_consts[0])
  1           0 BUILD_LIST               0
              2 LOAD_FAST                0 (.0)
        >>    4 FOR_ITER                 8 (to 14)
              6 STORE_FAST               1 (i)
              8 LOAD_FAST                1 (i)
             10 LIST_APPEND              2
             12 JUMP_ABSOLUTE            4
        >>   14 RETURN_VALUE

然后，scan through the cases in ceval.c或查看dis module中的文档。