python之制作变量的本地别名会像循环一样加快列表理解吗

名称查找在 Python 中相对昂贵，因此对于大型循环，您可以通过更改类似的内容来获得性能优势

for element in my_list: 
    do_something(element) 

类似于

ds = do_something 
for element in my_list: 
    ds(element) 

这样解释器只需要在每次迭代时查找一个局部变量。如果列表推导式调用该函数，此优化是否也有用？

请您参考如下方法:

是的。我使用 timeit 设置了一个简单示例:

from __future__ import print_function 
import timeit 
 
setup = ''' 
def return_five(): 
    return 6 
 
def f1(): 
    return [return_five() for i in range(10000)] 
 
def f2(): 
    r = return_five 
    return [r() for i in range(10000)] 
''' 
 
print('Not a local variable:') 
print(min(timeit.Timer('a = f1()', setup=setup).repeat(7, 1000))) 
 
print('Local variable:') 
print(min(timeit.Timer('a = f2()', setup=setup).repeat(7, 1000))) 

这个脚本的典型结果是

Not a local variable: 
1.22310686111 
Local variable: 
1.17974805832 

我惊讶地发现第二个函数 f2 始终比第一个函数快 3.5%。我原以为 Python 在遇到 f1 中的列表理解时只会查找一次 return_five，但它似乎每次都查找它。

(大概是这样，如果所涉及的函数之一具有以某种方式更改名称查找的副作用，则列表理解会正确运行。对我来说，这似乎是一个非常病态的副作用，但我想最好稍微比引入可能导致难以追踪错误的优化效率低。)

当我将列表理解的大小从 10,000 更改为 10 时，差距缩小了，因此 f2 仅比 f1 快 0.8%。这证实了在循环的每次迭代中都执行了函数名称查找。