Python 3 中循环、列表推导和映射的性能

Question

如何正确比较 Python 3.6 中 for 循环、列表解析和映射的性能？

在下面的代码中，普通的 for 循环执行得非常好（我使用 list() 从生成器获取值）。我在这里做错了吗？结果与discussion on Python 2形成鲜明对比。

import timeit

code_for = """
for i in range(1000):
    hex(i)
"""

code_map = """
list(map(hex, range(1000)))
"""

code_map_lambda = """
list(map(lambda x: hex(x), range(1000)))
"""

code_list_comprehension = """
[hex(x) for x in range(1000)]
"""

print(timeit.timeit(code_for, number=10000))
# 1.1155821208376437

print(timeit.timeit(code_map, number=10000))
# 0.8820606248918921

print(timeit.timeit(code_map_lambda, number=10000))
# 1.7510833400301635

print(timeit.timeit(code_list_comprehension, number=10000))
# 1.1798800542019308

更新：将元素添加到 code_for 中的列表

code_for_2 = """
a = [0] * 1000
for i in range(1000):
    a[i] = hex(i)
"""
# 1.243549756007269

code_for_3 = """
a = []
for i in range(1000):
    a.append(hex(i))
"""
# 1.5462996119167656    

Answer 1

几点建议：

1. 为了清晰起见，将代码包装在函数中。
2. 您缺少列表创建并在code_for 中追加。这是使用显式 for 循环的大部分成本。
3. 然后您可以使用timeit，或者如果您有Jupyter notebook，则可以使用神奇的%timeit 命令。

如下所示，没有lambda 的map 表现最好，这是有道理的，因为hex 是内置的。详情请见Python List Comprehension Vs. Map。

def code_for(n):
    res = []
    for i in range(n):
        res.append(hex(i))
    return res

def code_map(n):
    return list(map(hex, range(n)))

def code_map_lambda(n):
    return list(map(lambda x: hex(x), range(n)))

def code_list_comprehension(n):
    return [hex(x) for x in range(n)]

%timeit code_for(10000)                 # 3.19 ms per loop
%timeit code_map(10000)                 # 1.69 ms per loop
%timeit code_map_lambda(10000)          # 3.06 ms per loop
%timeit code_list_comprehension(10000)  # 2.27 ms per loop