Python 内联计算vs Lambda

内联计算的时间范围为0.0000665到0.0000813。 而lambda的值在0.0004215到0.0004265之间。

---

为什么时间上会有如此巨大的差异？

我可以看出两个可能的原因：

item*item

产生与

item**2

相同的结果，但您正在假设

**

运算符的实现。不过，更重要的原因是

lambda

实际上是一个函数-它与您使用

def

在同一范围内声明的函数具有相同的闭包，并且以与该函数相同的方式，它在执行时将获得自己的堆栈帧。创建、推送和丢弃这样的帧需要时间，这可能就是引入如此大开销的原因。引述自：

从语义上讲，它们（lambdas）只是普通语法的语法糖 函数定义

尝试对以下计算进行基准测试：

• 内联

  item*item

• 内联

  项目**2

• def foo（x）的用法：返回x*x
• def foo（x）的用法：返回x**2
• 使用

  lambda x:x*x

• 使用

  lambda x:x**2

你会找出真正的原因（请分享这些结果，我自己也有点感兴趣）。我认为前两种方法在效率上是相似的，接下来的4种方法也是相似的，但比那些内联的方法慢几个数量级

---

另外：使用intead of

time.time（）

-它更可靠在测量执行时间方面，有更广泛的可能性，尽管我真的建议使用

timeit

，因为它正是为您想要在这里执行的工作类型而创建的。

我可以看到两个可能的原因：

item*item

产生与

item**2

相同的结果，但您正在假设

**

运算符的实现。不过，更重要的原因是

lambda

实际上是一个函数-它与您使用

def

在同一范围内声明的函数具有相同的闭包，并且以与该函数相同的方式，它在执行时将获得自己的堆栈帧。创建、推送和丢弃这样的帧需要时间，这可能就是引入如此大开销的原因。引述自：

从语义上讲，它们（lambdas）只是普通语法的语法糖 函数定义

尝试对以下计算进行基准测试：

• 内联

  item*item

• 内联

  项目**2

• def foo（x）的用法：返回x*x
• def foo（x）的用法：返回x**2
• 使用

  lambda x:x*x

• 使用

  lambda x:x**2

你会找出真正的原因（请分享这些结果，我自己也有点感兴趣）。我认为前两种方法在效率上是相似的，接下来的4种方法也是相似的，但比那些内联的方法慢几个数量级

---

另外：使用intead of

time.time（）

-它更可靠在测量执行时间时，有更广泛的可能性列表，尽管我真的建议使用

timeit

，因为它完全是为您想要在这里执行的工作类型创建的。

这两种情况不可比较，在第一种情况下，您只是在一个列表上迭代，将项提升为幂2，在第二种情况下，调用lambda函数，将变量传递给它进行计算，然后返回项，当然函数调用要比乘法长得多调用要花那么多时间？

x**2

的工作原理不同于

x*x

…函数调用意味着跳转到内存中的不同位置，初始化局部变量等…@Djokester是的。在进行函数调用时，Python会在后台调用函数对象上的其他几个方法。它还必须为函数调用创建一个新框架。所有这些事情都比简单地执行

x*x

要花费更多的时间。这两种情况是不可比较的，第一种情况下，您只是在一个列表上迭代，将项提升为2的幂，第二种情况下，您调用lambda函数，将变量传递给它进行计算，然后返回项，当然函数调用要比乘法长得多调用要花那么多时间？

x**2

的工作原理不同于

x*x

…函数调用意味着跳转到内存中的不同位置，初始化局部变量，等等。@Djokester是的。在进行函数调用时，Python会在后台调用函数对象上的其他几个方法。它还必须为函数调用创建一个新框架。所有这些事情都比简单地做

x*x

要花更多的时间。

lst = [randint(0,i) for i in range(0,1000)]
start = time.time()
lst = [item*item for item in lst]
end = time.time()
print('%.7f' %(start - end))

f = lambda x: x**2

lst = [randint(0,i) for i in range(0,1000)]
start = time.time()
lst = [f(item) for item in lst]
end = time.time()
print('%.7f' %(start - end))