python 设置理解为 2.6

Question

我正在尝试 2.6 的集合理解，并遇到了以下两种方式。我认为第一种方法会比第二种方法更快，timeit 另有建议。为什么第二种方法更快，即使第二种方法有一个额外的列表实例化，然后是一个集合实例化？

方法一：

In [16]: %timeit set(node[0] for node in pwnodes if node[1].get('pm'))
1000000 loops, best of 3: 568 ns per loop

方法二：

In [17]: %timeit set([node[0] for node in pwnodes if node[1].get('pm')]) 
1000000 loops, best of 3: 469 ns per loop

其中 pwnodes = [('e1', dict(pm=1, wired=1)), ('e2', dict(pm=1, wired=1))].

Answer 1

我的猜测是因为第二个涉及发电机而第一个不涉及。如果等效列表适合内存，生成器通常比等效列表慢。

In [4]: timeit for i in [i for i in range(1000)]: pass
10000 loops, best of 3: 47.2 µs per loop

In [5]: timeit for i in (i for i in range(1000)): pass
10000 loops, best of 3: 57.8 µs per loop

Answer 2

使用列表理解时迭代速度更快：

In [23]: from collections import deque

In [24]: %timeit deque((node[0] for node in pwnodes if node[1].get('pm')), maxlen=0)
1000 loops, best of 3: 305 µs per loop

In [25]: %timeit deque([node[0] for node in pwnodes if node[1].get('pm')], maxlen=0)
1000 loops, best of 3: 246 µs per loop

其中deque用于说明迭代速度；将 maxlen 设置为 0 的 deque 丢弃从 iterable 中获取的所有元素，因此没有内存分配差异来扭曲结果。

这是因为在 Python 2 中，列表推导式不使用单独的命名空间，而生成器表达式则使用（它必须，必须）。这个额外的命名空间需要堆栈上的新框架，而这是昂贵的。生成器表达式的主要优点是它们 低内存占用 ，而不是它们的速度。

在Python3中，列表推导也有独立的命名空间，列表推导和生成器迭代速度相当。你也有集合理解，即使在 Python 2.

上也是最快的

python 设置理解为 2.6

python set comprehension for 2.6

python

set

set-comprehension