python中列表推导式与生成器表达式对比详解
概述
Python中的列表推倒式(List Comprehension) 和 生成器表达式（Generator Expression）是两种很相似的表达式，但含义却不大不同，这里做一个对比。
列表推导式
列表推导式是比较常用的技术，能将本来需要for loop 和 if else 语句的情况简化成一条指令，最终得到一个列表对象:
even = [e for e in range(10) if e % 2 == 0]
具体细节不过多展开，相信很多使用Python的人都已经足够了解这种语法了。
需要注意的一点是，列表推导式不是惰性计算 ( Lazy Loading) 的，因此所有的列表成员都在声明完语句后立即计算 (Eager Loading)，因此在数组成员很多的情况下，速度会很慢，例如下面的在IPython环境里面的三个列表推导式的耗时统计:
In [1]: %timeit even = [e for e in range(100000) if e % 2 == 0] 5.5 ms ± 24.8 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) In [2]: %timeit even = [e for e in range(1000000) if e % 2 == 0] 58.9 ms ± 440 µs per loop (mean ± std. dev. of 7 runs, 10 loops each) In [3]: %timeit even = [e for e in range(100000000) if e % 2 == 0] 5.65 s ± 26.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
可以看到随着元素个数的增加，列表推导式执行的时间也相应变长，占用的内存也会变大。
有一种情况是，我们定义了很多很多的数组元素，但是最后并不是所有的元素都能用到，例如经过几条命令，最后可能只有列表里面的前10个元素会用到，或者只有符合某些条件的元素会用到，这样的话，Eager模式就白白花费了时间，白白花费了内存来创建很多用不到的元素，这显然有很大的改进空间。
生成器表达式
生成器能表达式解决上面的问题，它的元素迭代是惰性的，因此只有需要的时候才生产出来，避免了额外的内存开销和时间开销: 生成器表达式不管元素数目多大，创建时都是常数时间，因为它并没有立即创建元素。
那么生成器表达式的语法是怎么样的呢，很简单，只需要把列表推导式中的方括号改为圆括号:
even_gen = (e for e in range(10) if e % 2 == 0)
注意它的类型是生成器类型:
type(even_gen) # generator
创建生成器表达式的耗时统计:
In [1]: %timeit even_gen = (e for e in range(100000) if e % 2 == 0) 376 ns ± 2.61 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each) In [2]: %timeit even_gen = (e for e in range(10000000) if e % 2 == 0) 382 ns ± 1.63 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each) In [3]: %timeit even_gen = (e for e in range(1000000000) if e % 2 == 0) 384 ns ± 2.85 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)
可以看到随着元素的增加，创建时间基本不变，而且比列表推导式的耗时要低不少。
使用场景选择
那么是不是就是说使用中可以用生成器表达式替代列表推导式了呢，也不尽然，因为列表推导式得到的是一个列表，很多便捷操作（如slice等）可以作用到上面，而生成器表达式则不行：
In [17]: even = [e for e in range(10) if e % 2 == 0] In [18]: even[:3] Out[18]: [0, 2, 4] In [19]: even_gen = (e for e in range(10) if e % 2 == 0) In [20]: even_gen[:3] --------------------------------------------------------------------------- TypeError Traceback (most recent call last) Input In [20], in <cell line: 1>() ----> 1 even_gen[:3] TypeError: 'generator' object is not subscriptable
而且两者有一个致命的区别：生成器表达式只能迭代一次，而列表推导式可以使用很多次，举例如下:
In [22]: even_gen = (e for e in range(10) if e % 2 == 0)
In [23]: for e in even_gen:
...: print(e)
...:
0
2
4
6
8
In [24]: for e in even_gen:
...: print(e)
...:可以看到生成器表达式在第二次迭代的时候，里面已经没有元素了！即第一次迭代已经全部生成出来了，而列表推导式是每次迭代都是有相同的内容:
In [25]: even = [e for e in range(10) if e % 2 == 0]
In [26]: for e in even:
...: print(e)
...:
0
2
4
6
8
In [27]: for e in even:
...: print(e)
...:
0
2
4
6
8因此总结来说，使用建议如下：
- 如果要多次迭代时，建议使用列表推导式
- 如果数组很大或者有无穷个元素，建议使用生成器表达式
- 其他场景：两者均可，自己看情况使用一个，如果没有速度和方便度的问题即可，如果有问题换另一个再试试
参考
总结
到此这篇关于python中列表推导式与生成器表达式对比的文章就介绍到这了,更多相关python 列表推导式和生成器表达式对比内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
本文是给使用pandas的新手而写,主要列出一些常见的问题,根据笔者所踩过的坑,进行归纳总结,希望对读者有所帮助,需要的朋友可以参考下2021-06-06
这篇文章主要为大家详细介绍了python操作EXCEL读数据、写数据的实例源码，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-04-04
这篇文章主要介绍了Python的加密模块md5、sha、crypt使用实例,本文给出了MD5和crypt模块的代码实例,需要的朋友可以参考下2014-09-09
数据可以帮助我们描述这个世界、阐释自己的想法和展示自己的成果，但如果只有单调乏味的文本和数字，我们却往往能难抓住观众的眼球。而很多时候，一张漂亮的可视化图表就足以胜过千言万语，让我们来用Python实现一个可视化的折线图2022-03-03
这篇文章通过实例给大家演示了利用python如何爬取三国演义，对于学习python的朋友们来说是个不错的实例，有需要的朋友可以参考借鉴，下面来一起看看吧。2016-09-09
快过年了，刚刚收到了两个消息，一个好消息，一个坏消息。好消息就是微信群里有人要发红包，坏消息是不一定能都抢到。所以本文就来用Python做一个抢红包工具，需要的可以参考一下2023-01-01
python 实现将字典dict、列表list中的中文正常显示方法
今天小编就为大家分享一篇python 实现将字典dict、列表list中的中文正常显示方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
这篇文章主要介绍了如何分离django中的媒体、静态文件和网页,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-11-11
Python中内置数据类型list,tuple,dict,set的区别和用法
这篇文章主要给大家介绍了Python中内置数据类型list,tuple,dict,set的区别和用法，都是非常基础的知识，十分的细致全面，有需要的小伙伴可以参考下。2015-12-12
这篇文章主要是带大家写一个利用Turtle库制作的一款海龟闯关的三大迷宫，文中的示例代码讲解详细，对我们学习Python有一定帮助，感兴趣的可以了解一下2022-04-04
最新评论