星图比嵌套列表理解更快吗？答案

【问题标题】：Is starmap faster than a nested list comprehension?星图比嵌套列表理解更快吗？
【发布时间】：2018-11-19 17:51:16
【问题描述】：

这是解决here任务的代码：

def maximizingXor(l, r):
    return max([i^j for i in range(l, r+1) for j in range(i, r+1)])

这是我丑陋的解决方案：

from itertools import combinations, starmap
from operator import xor

# Complete the maximizingXor function below.
def maximizingXor(l, r):
    return max(starmap(xor, combinations(range(l,r+1),2)))

它不像那个那么漂亮，但在 l=10, r=15 上确实更快：
对于我的解决方案，%timeit 显示 3.81 µs ± 156 ns，对于没有调用函数的解决方案，每个循环显示 8.67 µs ± 1.1 µs。
那么问题来了——为什么更快？更一般地说：在什么情况下，像 itertools 这样的函数调用比直接循环更快？谢谢。

【问题讨论】：

列表推导必须为 O((r-l)**2)) 值分配内存，然后它可以遍历它们并选择最大的。你只需要恒定的内存，在生成时保留或丢弃每个值。
初始代码中不需要使用列表推导。生成器表达式更快吗？请注意，对于某些表达式，map 等辅助函数确实比推导式更快。
除了创建列表之外，itertools 构造与手写 python 版本相比可以相当快。它们在 C 中实现。
@VasylKolomiets 不会改变。如果你编写一个列表理解，Python 应该创建一个列表。原则上你不能优化它，因为没有什么能阻止你做max = some_other_function你可以使用生成器表达式，但除非列表变得很大，否则可能不会更快，因为生成器很慢，而 Python 非常擅长创建事物列表。
理解变体创建、使用和销毁大约r-l 额外的range 对象及其迭代器。 itertools 变体可以直接从一个range 对象计算所有对。只需创建一个包含 5 个range 对象的列表，就需要在我的机器上实现大约 90% 的初始时间差异。

标签： python performance itertools

【解决方案1】：

第一个注释max 适用于任何可迭代对象。这可以是一个列表或一个生成器。哪个更有效取决于输入的大小和硬件限制。列表需要大量内存，但生成器表达式会因next 调用而产生更大的开销。

以下时序是针对同一逻辑的 4 种变体进行 2 次不同的运行。如您所见，对于非常大的l, r，生成器表达式比列表理解更有效，反之亦然，对于较小的l, r。

starmap，同样懒惰但避免了生成器表达式，比两者都更有效。用外行的话来说，starmap 具有两全其美的优点，因为它是懒惰的和使用优化的 C 代码进行迭代。

# run 1 inputs
l, r = 10000, 15000

# run 2 inputs
l, r = 1000, 1500

%timeit maximizingXor_lc(l, r)   # 2.83 s per loop, 18.2 ms per loop
%timeit maximizingXor_ge(l, r)   # 2.48 s per loop, 21.5 ms per loop
%timeit maximizingXor(l, r)      # 1.53 s per loop, 15.2 ms per loop
%timeit maximizingXor_zip(l, r)  # 6.52 s per loop, 51.7 ms per loop

基准代码

from itertools import combinations, starmap
from operator import xor

def maximizingXor_lc(l, r):
    return max([i^j for i in range(l, r+1) for j in range(i, r+1)])

def maximizingXor_ge(l, r):
    return max(i^j for i in range(l, r+1) for j in range(i, r+1))

def maximizingXor(l, r):
    return max(starmap(xor, combinations(range(l,r+1), 2)))

def maximizingXor_zip(l, r):
    return max(map(xor, *zip(*combinations(range(l,r+1), 2))))

assert maximizingXor_lc(l, r) == maximizingXor(l, r)
assert maximizingXor_lc(l, r) == maximizingXor_ge(l, r)
assert maximizingXor_lc(l, r) == maximizingXor_zip(l, r)

【讨论】：

【解决方案2】：

早些时候，我用不正确的代码发布了这个。查找列表的最大值比查找生成器的最大值要快。如果范围足够小以适合内存，则创建列表并找到最大值会更快。

def maximizingXor_lst(l, r):
    return max(list(starmap(xor, combinations(range(l, r+1), 2))))

【讨论】：