Question

python中列表推导list comprehension和生成器的区别

Answer 1

先说列表推导，下边是我在 ipython 里的测试结果（测试环境 Python 2.7.10）：
>>> long_list = range(1000)

>>> a = []

>>> %timeit for i in long_list: a.append(i+1)
10000 loops, best of 3: 100 µs per loop

>>> %timeit [i+1 for i in long_list]
10000 loops, best of 3: 43.3 µs per loop

可以看出列表推导还是要快过 for 循环的。
那为什么列表推导会快呢？我们直接调用 python 的 dis 模块去看看他的字节码：
这个是列表推导那一行代码的字节码：

0 BUILD_LIST 0
3 LOAD_GLOBAL 0 (long_list)
6 GET_ITER
>> 7 FOR_ITER 16 (to 26)
10 STORE_FAST 0 (i)
13 LOAD_FAST 0 (i)
16 LOAD_CONST 1 (1)
19 BINARY_ADD
20 LIST_APPEND 2
23 JUMP_ABSOLUTE 7
...

这个是 for 循环那一行的字节码：

6 SETUP_LOOP 31 (to 40)
9 LOAD_GLOBAL 0 (long_list)
12 GET_ITER
>> 13 FOR_ITER 23 (to 39)
16 STORE_FAST 1 (i)
19 LOAD_FAST 0 (a)
22 LOAD_ATTR 1 (append)
25 LOAD_FAST 1 (i)
28 LOAD_CONST 1 (1)
31 BINARY_ADD
32 CALL_FUNCTION 1
35 POP_TOP
36 JUMP_ABSOLUTE 13
...

对比一下不难发现其实列表推导和 for 循环的过程几乎是一样的，除了如何append。所以你要说他是语法糖也不是不行……
在列表推导中直接使用了‘LIST_APPEND’这个字节码来实现 append 功能，效率相当的高。而在 for 循环中每次循环都要先载入 append 这个属性然后再 ‘CALL_FUNCTION’一下。这样势必就会慢了很多。为了验证我们的猜想，我们把 append 这个函数存到局部变量里去：
>>> a = []

>>> invoke = a.append

>>> %timeit for i in long_list: invoke(i+1)
10000 loops, best of 3: 67.2 µs per loop

发现没有比前一个版本的 for 循环快了接近40%，剩下的多出来20多 µs 的开销自然就是‘CALL_FUNCTION’的开销咯 ╮(╯_╰)╭。
相信到这里你应该明白了为什么列表推导要比 for 循环快吧，秘诀就在这个‘LIST_APPEND’这个字节码上，相当于你直接调用了 C 语言版本的函数（不严谨）而且越过了一些中间步骤。
接下来简单说说 map 的事情，直接使用 map 一般来说是要比循环快的，但有的时候情况会比较诡异，例如：

>>> %timeit for i in long_list: a.append(i+1)
10000 loops, best of 3: 100 µs per loop

>>> %timeit map(lambda x: x+1, long_list)
10000 loops, best of 3: 109 µs per loop

坑爹呢(╯‵□′)╯︵┻━┻，反倒还慢了好不好！
别急，我们把 map 的写法改成这样：

>>> int_object = 1

>>> %timeit map(int_object.__add__, long_list)
10000 loops, best of 3: 41.6 µs per loop

于是神奇的事情出现了！基本上和列表推导一样快！(⊙o⊙)
这个主要是因为 lambda 表达式生成的函数是 Python 的，而直接用+运算符或者__add__方法调用的是 C 版本的。你要是把列表推导里边的+换成 lambda 表达式两者的速度差不多，map 一般来说还要快上一点点。本质上来说 map 调用了底层的 C 函数所以速度自然是快的。粗暴的总结一下就是不用 lambda 的时候 map 要快一些哟~~