Learning Python：1. 生成器函数、列表解析与map，for循环的效率对比

最新推荐文章于 2021-03-01 10:00:30 发布

原创

最新推荐文章于 2021-03-01 10:00:30 发布 · 3.5k 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#python #list #file

本文通过对比分析，展示了在处理大量数据时，Python中for循环、生成器表达式、列表解析和map函数的效率差异。for循环耗时最长，生成器在节省内存方面有优势，而列表解析和map效率相近但map稍慢。总结建议，列表解析在通用性、易写性和效率上更优，生成器适用于内存敏感场景，某些情况仍推荐使用for循环以保持代码可读性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

利用time模块的 time（）函数来比较，运行一个 10000 长度的列表 1000次，比较不同方法的耗时。

# file timeseqs.py

import time , sys
reps = 1000
size = 10000

def tester ( func , *args ) :
    startTime = time.time()
    for i in range(reps) :
        func ( *args )
    elapsed = time.time() - startTime
    return elapsed

def forStatement() :
    res = []
    for x in range(size) :
        res.append(abs(x))

#列表解析
def listComprehension() :
    res = [ abs(x) for x in range(size) ]

#map
def mapFunction () :
    res = map ( abs , range(size) )

#生成器表达式
def generatorExpression() :
    res = list( abs(x) for x in range(size) )

print sys.version
tests = ( forStatement , listComprehension , mapFunction , generatorExpression )
for testfunc in tests :
    print testfunc.__name__.ljust(20) , '--->' , tester(testfunc)

可以看到：for循环是最慢的，生成器表达式次之，列表解析和map差不多（map稍慢一点点）

Note 1 ：生成器表达式并非一次性计算出一个列表，而是返回一个生成器