Question

有人可以向我解释一下这两种创建列表方式之间的区别吗？它们是一样的吗？如果不是，我应该使用哪一个？

squares1 = [x**2 for x in range(1, 11)]
squares2 = list(x**2 for x in range(1, 11))

Answer 1

从以下方面可以看出它们的性能略有不同：

squares1 = [x**2 for x in range(1, 11)]

每个循环3.07 µs±70 ns（平均±标准偏差，共运行7次，每个循环100000次）

squares2 = list(x**2 for x in range(1, 11))

每个循环3.65 µs±35.6 ns（平均±标准偏差，共运行7次，每个循环100000次）

这可能主要是因为在情况1中，您正在同时迭代并生成列表的值。

在情况2中，您在迭代时生成值，然后在其结束时将其转换为列表，然后将其存储为给定变量。

Answer 2

我认为，第一个程序通过列表理解直接将squares1初始化为列表。

另一个首先创建一个生成器类对象，然后将其转换为列表。我认为第一种方法更有效。

列表和生成器之间几乎没有什么区别，但是根据我的知识和经验，列表可以更快地完成工作，而生成器则懒惰地为每次迭代生成单个结果。对于您的大多数任务，建议您选择列表。

Answer 3

第一种方法更快。这是因为当它们被编译成字节码时，第一个变成了

0  LOAD_CONST               0 (<code object <listcomp> at 0x7fc95aea9ed0, file "<dis>", line 1>)
2  LOAD_CONST               1 ('<listcomp>')
4  MAKE_FUNCTION            0
6  LOAD_NAME                0 (range)
8  LOAD_CONST               2 (1)
10 LOAD_CONST               3 (11)
12 CALL_FUNCTION            2
14 GET_ITER
16 CALL_FUNCTION            1
18 RETURN_VALUE

第二个变成

0  LOAD_NAME                0 (list)
2  LOAD_CONST               0 (<code object <genexpr> at 0x7fc95aea9ed0, file "<dis>", line 1>)
4  LOAD_CONST               1 ('<genexpr>')
6  MAKE_FUNCTION            0
8  LOAD_NAME                1 (range)
10 LOAD_CONST               2 (1)
12 LOAD_CONST               3 (11)
14 CALL_FUNCTION            2
16 GET_ITER
18 CALL_FUNCTION            1
20 CALL_FUNCTION            1
22 RETURN_VALUE

这意味着第二种方法需要再执行两条指令，即使只是很小的一点，速度也会变慢。

在我的笔记本电脑上，第一个方法的一百万次迭代花费4.651s，第二个方法的一百万次迭代花费5.483s。

Answer 4

在第一种情况下，您使用列表理解语法。这是在python列表中映射某些功能的最快方法。

在第二种情况下，您创建一个generator

(x**2 for x in range(1000))

并将其立即发送到list（）函数。您的情况几乎没有区别，因为您获得相同的列表和几乎相同的执行时间：

%%timeit
[i**2 for i in range(1000)]

Out:
170 µs ± 774 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%%timeit
list(i**2 for i in range(1000))

Out:
187 µs ± 2.45 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

但是我不确定这两种情况下的内存使用情况-看起来它们是相同的。

Python列表函数或列表理解

4 个答案: