生成器函数是否比Python中相应的for循环（或广义的迭代）快

我是一个Python初学者，虽然我经常使用生成器（它们简洁明了，但我想了解它们是否比对应的for循环（或广义的迭代）更好） 更快：在处理时间和/或呼叫开销方面，甚至在内存方面。 示例-： [这里，数据是字典对象]

from math import sqrt

# **Generator** 
sum = sqrt(sum([pow(data[pers1][item] - data[pers2][item], 2) 
                for item in data[pers1] 
                if item in data[pers2]]))

# **For loop Equivalent** 
sum = 0
for item in data[pers1]:
    if item in data[pers2]:
         sum += sqrt(pow(data[pers1][item] - data[pers2][item], 2))

循环结构是否完全相同，如果不同（在其他情况下），什么时候会不同？ 我试图放大输入数据并测量时间（查找的代理），但这不是决定性的。我想更直观地理解这一点，也就是说，是否有差异

[我使用的是python 2.7]

代码改编自“编程集体智能”

---

相关问题：

通常

因为循环是最慢的。我认为你第一次做对了：测量然后发展直觉，而不是相反。你的
总和实际上是使用一个
列表
而不是一个基因XP。你应该在每个策略h后去掉
总和
后的方括号根据数据集的大小，在CPU和内存使用之间进行不同的权衡。过早的优化是所有问题的根源-如果您有性能问题，那么配置/优化，如果没有，为什么要流汗？