在下面的代码中，使用列表解析还是生成器更好？
from itertools import izip
n=2
l=izip(xrange(10**n), xrange(10**n))
print 3 not in [x[0] for x in l]
#or
#print 3 not in (x[0] for x in l)
在这些测试中，如果列表很大，生成器会更快，如果列表更短，则列表理解显然更快。
这是因为理解是计算机一次吗？
对于大型列表：generator 比 listcomp 快
对于小列表：generator 比 listcomp 慢
【问题讨论】：
标签： python generator list-comprehension
in 针对生成器表达式将使用__iter__() 方法并迭代表达式直到找到匹配项，使其在一般情况下比列表推导更有效，后者在扫描匹配结果之前首先生成整个列表。
您的具体示例的替代方法是使用any()，以使测试更加明确。我觉得这更具可读性：
any(x[0] == 3 for x in l)
您必须考虑到in 确实转发了生成器；如果您还需要在其他地方使用生成器，则不能使用此方法。
至于你的具体时间测试；您的“简短”测试存在致命缺陷。 izip() 生成器的第一次迭代将完全耗尽，使其他 9999 次迭代针对 empty 生成器进行测试。您正在测试在那里创建一个空列表和一个空生成器之间的区别，从而放大了创建成本的差异。
此外，您应该使用timeit module 运行测试，确保测试可重复。这意味着您也必须在每次迭代时创建一个新的 izip() 对象；现在对比度要大得多：
>>> # Python 2, 'short'
...
>>> timeit.timeit("l = izip(xrange(10**2), xrange(10**2)); 3 not in (x[0] for x in l)", 'from itertools import izip', number=100000)
0.27606701850891113
>>> timeit.timeit("l = izip(xrange(10**2), xrange(10**2)); 3 not in [x[0] for x in l]", 'from itertools import izip', number=100000)
1.7422130107879639
>>> # Python 2, 'long'
...
>>> timeit.timeit("l = izip(xrange(10**3), xrange(10**3)); 3 not in (x[0] for x in l)", 'from itertools import izip', number=100000)
0.3002200126647949
>>> timeit.timeit("l = izip(xrange(10**3), xrange(10**3)); 3 not in [x[0] for x in l]", 'from itertools import izip', number=100000)
15.624258995056152
在 Python 3 上：
>>> # Python 3, 'short'
...
>>> timeit.timeit("l = zip(range(10**2), range(10**2)); 3 not in (x[0] for x in l)", number=100000)
0.2624585109297186
>>> timeit.timeit("l = zip(range(10**2), range(10**2)); 3 not in [x[0] for x in l]", number=100000)
1.5555254180217162
>>> # Python 3, 'long'
...
>>> timeit.timeit("l = zip(range(10**3), range(10**3)); 3 not in (x[0] for x in l)", number=100000)
0.27222433499991894
>>> timeit.timeit("l = zip(range(10**3), range(10**3)); 3 not in [x[0] for x in l]", number=100000)
15.76974998600781
在所有情况下，生成器变体都快得多；您必须将“短”版本缩短为仅 8 个元组，列表理解才能开始获胜：
>>> timeit.timeit("n = 8; l = izip(xrange(n), xrange(n)); 3 not in (x[0] for x in l)", 'from itertools import izip', number=100000)
0.2870941162109375
>>> timeit.timeit("n = 8; l = izip(xrange(n), xrange(n)); 3 not in [x[0] for x in l]", 'from itertools import izip', number=100000)
0.28503894805908203
在 Python 3 上，生成器表达式和列表推导的实现更加接近，在列表推导获胜之前，您必须减少到 4 项：
>>> timeit.timeit("n = 4; l = zip(range(n), range(8)); 3 not in (x[0] for x in l)", number=100000)
0.284480107948184
>>> timeit.timeit("n = 4; l = zip(range(n), range(8)); 3 not in [x[0] for x in l]", number=100000)
0.23570425796788186
【讨论】：
in 与生成器表达式一起使用。它只会消耗生成器直到第一次匹配。
in 将使用 __iter__() 进行迭代，直到有匹配为止..
in 的行为与 Python 3.x 的 range 不同，因为它有一个自定义 __contains__，它在数学上计算成员资格而不是具体化范围......这意味着上述测试可能完全不同......
创建生成器表达式有相当多的开销，但最终您不需要分配大量内存来弥补它。
小型列表推导式更快，因为它们没有那么大的开销。
通常情况下小的情况足够接近，所以在这种情况下最好选择生成器表达式
在可能同时存在 100 或 1000 个连接的网络服务器上节省内存尤为重要。
【讨论】：
创建生成器比创建列表要慢，因此您必须考虑变量：创建对象的时间和测试表达式的时间。所以回答你的问题，如果“更好”是指“更快”：这取决于n。
【讨论】：