Python: 为什么列表理解比 for 循环慢

Question

本质上这些是相同的功能 - 除了列表理解使用 sum 而不是 x=0; x+= 因为后者不受支持。为什么列表理解编译成慢 40%？

#list comprehension
def movingAverage(samples, n=3): 
    return [float(sum(samples[i-j] for j in range(n)))/n for i in range(n-1, len(samples))]

#regular
def moving_average(samples, n=3):
    l =[]
    for i in range(n-1, len(samples)):
        x= 0
        for j in range(n): 
            x+= samples[i-j]
        l.append((float(x)/n))
    return l

为了对示例输入进行计时，我使用了 [i*random.random() for i in range(x)]

的变体

Answer 1

您在列表理解中使用了生成器表达式：

sum(samples[i-j] for j in range(n))

每次运行生成器表达式都需要创建一个新框架，就像函数调用一样。这个比较贵。

您根本不需要使用生成器表达式；您只需要 slice samples 列表：

sum(samples[i - n + 1:i + 1])

您可以指定第二个参数，sum() function 的 start 值；将其设置为 0.0 以获得浮点数结果：

sum(samples[i - n + 1:i + 1], 0.0)

这些变化加在一起使一切变得不同：

>>> from timeit import timeit
>>> import random
>>> testdata = [i*random.random() for i in range(1000)]
>>> def slow_moving_average(samples, n=3):
...     return [float(sum(samples[i-j] for j in range(n)))/n for i in range(n-1, len(samples))]
... 
>>> def fast_moving_average(samples, n=3):
...     return [sum(samples[i - n + 1:i + 1], 0.0) / n for i in range(n-1, len(samples))]
... 
>>> def verbose_moving_average(samples, n=3):
...     l =[]
...     for i in range(n-1, len(samples)):
...         x = 0.0
...         for j in range(n): 
...             x+= samples[i-j]
...         l.append(x / n)
...     return l
... 
>>> timeit('f(s)', 'from __main__ import verbose_moving_average as f, testdata as s', number=1000)
0.9375386269966839
>>> timeit('f(s)', 'from __main__ import slow_moving_average as f, testdata as s', number=1000)
1.9631599469939829
>>> timeit('f(s)', 'from __main__ import fast_moving_average as f, testdata as s', number=1000)
0.5647804250038462

Python: 为什么列表理解比 for 循环慢

Python: Why is list comprehension slower than for loop

python

performance

list-comprehension