Python：列表理解与映射

关于这个问题，有人能解释为什么当列表理解不调用函数时，列表理解会比

map

产生更好的结果，即使

map

中没有lambda函数，但调用函数时会产生最差的结果

import timeit

print timeit.Timer('''[i**2 for i in xrange(100)]''').timeit(number = 100000)

print timeit.Timer('''map(lambda i: i**2, xrange(100))''').timeit(number = 100000)

print timeit.Timer(setup="""def my_pow(i):
    return i**2
""",stmt="""map(my_pow, xrange(100))""").timeit(number = 100000)

print timeit.Timer(setup="""def my_pow(i):
    return i**2
""",stmt='''[my_pow(i) for i in xrange(100)]''').timeit(number = 100000)

结果:

1.03697046805 <-- list comprehension without function call
1.96599485313 <-- map with lambda function
1.92951520483 <-- map with function call
2.23419570042 <-- list comprehension with function call

---

1.03697046805所有计时结果都可以用以下事实来解释：

CPython有相当高的函数调用开销

map（f，it）
略快于
[f（x）for x in it]

代码的第一个版本根本没有定义函数，因此没有函数调用开销。第二个版本需要定义一个函数，因此在每次迭代中都有函数调用开销。第三个版本与第二个版本完全相同–函数和lambda表达式是相同的。根据事实2，最后一个版本更慢。
无论在
map
中调用的函数是lambda函数还是常规函数，开销仍然存在。不知道为什么一个函数调用的列表理解会比
map（）
慢。@millimoose但是lambda函数会为每个itetaration声明，这会有任何变化吗？@zenpoy:函数调用参数会在调用函数之前计算，因此函数只声明一次。无法删除对我phine的注释：（@SvenMarnach我想他/她说的是
my_pow
定义在整个执行过程中只解释一次（在设置中）每个迭代都定义了lambda。这是一个有效的问题，lambda可能导致它的版本稍微慢一些。我可以想到两个可能的原因（2）：
map
的循环直接在C中进行，因此循环中的开销稍微小一些，对于
map
而言，对名称
f
的引用只需要解决一次，但是对于列表理解，每次迭代都需要解决一次。第二次对我来说更重要，但是有没有办法告诉我哪一次贡献更大？@Dougal:这是n这是第一次有人提到C中的循环，但我从未找到一个引用或其他东西来替代它应该更快。@RikPoggi我试着检查Python源代码，3.x中的
map
实际上返回了一个迭代器，并继续使用参数的迭代器，这使得这一理论不太可能所有这些都是基于C的，可能会节省一些成本，但C中没有神秘的“循环”。在这方面比较2.x和3.x的性能可能会很有趣（如果不是决定性的话）。@millimoose:类似“循环完全是在C中完成的”之类的事情通常意味着执行循环不需要Python字节码求值。@SvenMarnach很公平，但是这种区别会有显著的区别吗？运行时仍然需要处理所有操作解释器状态的开销；在我看来，字节码分派本身并不是主要的贡献者经济放缓。