Python推导式性能深度解析（小白也能掌握的列表推导式与生成器表达式效率对比）

什么是Python推导式？

推导式是Python提供的一种简洁语法，用于从一个序列构建另一个序列。常见的有：

• 列表推导式（List Comprehension）
• 字典推导式（Dict Comprehension）
• 集合推导式（Set Comprehension）
• 生成器表达式（Generator Expression）

列表推导式 vs 普通for循环

我们先来看一个简单的例子：将一个数字列表中的每个元素平方。

方式一：使用普通for循环

squares = []for x in range(100000):    squares.append(x ** 2)

方式二：使用列表推导式

squares = [x ** 2 for x in range(100000)]

表面上看，两者功能相同，但列表推导式效率更高。为什么？因为推导式在C语言层面实现，避免了Python解释器在每次循环中调用append()方法的开销。

性能实测：timeit模块来帮忙

我们可以使用Python内置的timeit模块来精确测量执行时间：

import timeit# 测试普通循环time_loop = timeit.timeit(    '''squares = []for x in range(10000):    squares.append(x ** 2)''',    number=1000)# 测试列表推导式time_comp = timeit.timeit(    '[x ** 2 for x in range(10000)]',    number=1000)print(f"普通循环耗时: {time_loop:.4f} 秒")print(f"列表推导式耗时: {time_comp:.4f} 秒")

运行结果通常显示：列表推导式比普通循环快约20%~30%。这正是Python代码优化的一个经典案例。

生成器表达式：内存更友好

如果你处理的是大数据集，或者只需要逐个处理元素而不需要一次性存储所有结果，那么生成器表达式是更好的选择：

# 列表推导式：立即生成全部数据，占用大量内存squares_list = [x ** 2 for x in range(1000000)]# 生成器表达式：按需生成，内存占用极小squares_gen = (x ** 2 for x in range(1000000))

注意括号的区别：[] 是列表推导式，() 是生成器表达式。生成器不会一次性创建所有元素，而是在你遍历时才计算下一个值，因此特别适合处理大型数据流。

何时使用哪种推导式？

总结

掌握Python推导式性能不仅能让你写出更简洁的代码，还能显著提升程序效率。记住以下几点：

1. 优先使用列表推导式替代简单for循环，提升列表推导式效率；
2. 处理大数据时，用生成器表达式节省内存；
3. 复杂逻辑仍建议用传统循环，保持代码可读性；
4. 善用timeit进行Python代码优化验证。

希望这篇教程能帮助你理解生成器表达式与各类推导式的性能差异，写出更高效、更Pythonic的代码！