比较列表推导式和显式循环（3 个数组生成器比 1 个 for 循环快）

我做了作业，无意中发现算法的速度出现了奇怪的不一致。 这是相同函数的代码的 2 个版本，但有 1 个区别：在第一个版本中，我使用 3 次数组生成器来过滤某些数组，在第二个版本中，我使用 1 个 for 循环和 3 个 if 语句来执行相同的过滤工作。

所以，这是第一个版本的代码：

def kth_order_statistic(array, k):
    pivot = (array[0] + array[len(array) - 1]) // 2
    l = [x for x in array if x < pivot]
    m = [x for x in array if x == pivot]
    r = [x for x in array if x > pivot]
    if k <= len(l):
            return kth_order_statistic(l, k)
    elif k > len(l) + len(m):
            return kth_order_statistic(r, k - len(l) - len(m))
    else:
            return m[0]

这里是第二个版本的代码：

def kth_order_statistic2(array, k):
    pivot = (array[0] + array[len(array) - 1]) // 2
    l = []
    m = []
    r = []
    for x in array:
        if x < pivot:
            l.append(x)
        elif x > pivot:
            r.append(x)
        else:
            m.append(x)

    if k <= len(l):
        return kth_order_statistic2(l, k)
    elif k > len(l) + len(m):
        return kth_order_statistic2(r, k - len(l) - len(m))
    else:
        return m[0]

第一个版本的 IPython 输出：

In [4]: %%timeit
   ...: A = range(100000)
   ...: shuffle(A)
   ...: k = randint(1, len(A)-1)
   ...: order_statisctic(A, k)
   ...:
10 loops, best of 3: 120 ms per loop

对于第二个版本：

In [5]: %%timeit
   ...: A = range(100000)
   ...: shuffle(A)
   ...: k = randint(1, len(A)-1)
   ...: kth_order_statistic2(A, k)
   ...:
10 loops, best of 3: 169 ms per loop

那么为什么第一个版本比第二个版本快呢？我还制作了第三个版本，使用 filter() 函数而不是数组生成器，它比第二个版本慢（每个循环 218 毫秒）

使用简单for比list comprehesion。几乎快了 2 倍。检查以下结果：

Using list comprehension: 58 usec

moin@moin-pc:~$ python -m timeit "[i for i in range(1000)]"
10000 loops, best of 3: 58 usec per loop

Using for loop: 37.1 微秒

moin@moin-pc:~$ python -m timeit "for i in range(1000): i"
10000 loops, best of 3: 37.1 usec per loop

但就你而言，for比列表理解花费更多时间并不是因为您的 for 循环很慢。但因为.append()您在代码中使用。

With append() in for loop`: 114 usec

moin@moin-pc:~$ python -m timeit "my_list = []" "for i in range(1000): my_list.append(i)"
10000 loops, best of 3: 114 usec per loop

这清楚地表明它是.append()这花费了两倍的时间for loop.

然而，关于storing the "list.append" in different variable: 69.3 微秒

moin@moin-pc:~$ python -m timeit "my_list = []; append = my_list.append" "for i in range(1000): append(i)"
10000 loops, best of 3: 69.3 usec per loop

上面的比较中，与最后一种情况相比，性能有了很大的提高，结果与list comprehension。这意味着，而不是调用my_list.append()每次，可以通过将函数的引用存储在另一个变量中来提高性能，即append_func = my_list.append并使用该变量进行调用append_func(i).

这也证明了，与直接使用类的对象进行函数调用相比，调用存储在变量中的类的函数更快.

谢谢Stefan https://stackoverflow.com/users/1672429/stefan-pochmann引起注意的最后一个案件。