这两种解决方案（lambda或loop-Python）之间的区别是什么

我想计算一个域中偶数的和。我有两种解决方案，但我不确定每种方案的优缺点。哪一个是最佳解决方案

import sys
domain = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
Cal1 = sum(filter(lambda n : n % 2 == 0, domain))
Cal2 = sum([n for n in domain if n % 2 == 0])
sys.stdout.write("Cal1 = {0}\n".format(Cal1))
sys.stdout.write("Cal2 = {0}\n".format(Cal2))

---

第二个应该只是一个生成器，而不是一个列表理解（因为您实际上不需要创建一个列表来对生成器的输出求和）：

它现在是完成这项任务的首选（“pythonic”）方式

• 使用列表理解（包括

  []

  ，原始的

  Cal2

  ）是不利的，因为它实际上构造了一个要返回的列表对象，这会产生开销

• 使用

  filter

  （您的

  Cal1

  ）相当于一个生成器（no-

  []

  版本），但需要更多的键入，而且读起来不如使用生成器表达式（我上面发布的代码）

---

你的第二种方法是所谓的列表理解。列表理解可以用来实现您在引入该语言之前将要使用的

过滤器

和

映射

。有关列表理解与地图的讨论，请参阅，该讨论与您的问题类似

---

正如我所写的，推荐的Python方法是使用生成器。通过列表压缩，将生成整个过滤列表，然后进行汇总。在生成器中，它在运行时进行求和，而在内存中没有完整的列表。当你处理10项以上的问题时，这会产生更大的影响。
+1其他重要答案
奖励：生成器表达式更快

$ python -m timeit -s 'L = xrange(10)' 'sum(filter(lambda n: n % 2 == 0, L))'
100000 loops, best of 3: 3.59 usec per loop

$ python -m timeit -s 'L = xrange(10)' 'sum(n for n in L if n % 2 == 0)'
100000 loops, best of 3: 2.82 usec per loop

---

.
以下是旧版Mac笔记本电脑上各种版本的速度：

$ py26 -mtimeit -s'domain = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]' 'sum(filter(lambda n : n % 2 == 0, domain))'
100000 loops, best of 3: 4.41 usec per loop
$ py26 -mtimeit -s'domain = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]' 'sum([n for n in domain if n % 2 == 0])'
100000 loops, best of 3: 2.69 usec per loop
$ py26 -mtimeit -s'domain = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]' 'sum(n for n in domain if n % 2 == 0)'
100000 loops, best of 3: 2.86 usec per loop

---

请注意，尽管genexp版本无疑更酷，但listcomp的速度稍快一些（可能还不足以让人担心，除非这段代码处于一个紧密的内部循环中，您正努力从；-）中优化snot）。与往常一样，基于

lambda

的版本要慢得多，正如其他人所提到的--

lambda

在Python中是一种“糟糕的关系”：（（（（

def

ined函数在这里也不会表现得明显更好））
thanx亲爱的^ ^ ^那么，Lambda有什么用呢？我怎么能在我的程序中使用呢？示例plz.<代码>Lambda用于当你需要将一个短函数传递给某个东西时，而该函数只是输入的一个基本转换。例如，Python库中的一些

排序

函数允许你传递一个fu如果你想用一种非标准的方式对列表进行排序，那么你可以使用类似于

lambda x，y:

。另外，不客气。@Karamela:Example:

reduce（lambda acc，（i，x）：acc^i^x，enumerate（arr），0）

aha。。thanx，现在我明白了：现在用1000000个数字的域名试试，看看会发生什么。生成器具有设置开销，但使用的内存和复制更少。在100k和1M元素之间的某个地方，生成器版本会变得更快。@Andrew，这取决于可用（和可寻址；-）RAM的数量——只要所有东西都适合可寻址和物理可用的RAM listcomp，则速度更快。正如你所说，有一百万个数字（Q的域乘以100000），和往常一样是旧的macbook：genexp 178毫秒，listcomp 154毫秒——你为什么不测量一下，而不是夸夸其谈呢？当然，在某种程度上，物理可用/可寻址RAM将耗尽，listcomp将严重减速，甚至在genexp仍能工作的情况下出现故障——但在任何速度超过一百万秒的体面现代机器上，@Andrew，你说listcomp做额外的复制也是完全错误的——它只是把计算出的项目放在不同的位置，而不是一次又一次地放在同一个位置——没有复制。listcomp`和genexp`都是大约

O（N）

（扣除了各自的一些固定开销，但这当然会摊销；-），listcomp只是有一个稍微小一些的乘数，所以它的运行速度大约快了10%（在这两个实验中分别是6%和15%）-“不必担心，除非代码在一个紧密的内部循环中”，正如我在A中所说的！嗯，listcomp确实为所有这些指针使用了更多的内存，并最终复制了它们。我在发帖前确实测量过。我的MacBook Pro上有1M个条目，listcomp 176毫秒，generator 159毫秒。原因可能是生成器将所有内容都保存在缓存中，而listcomp的中间列表不适合此CPU上的4MB处理器缓存。这是一个非常大的缓存，所以缓存较小的机器会受到更大的伤害。@Andrew McGregor:genexpr在我的机器上，对于Python 2.6.5上的1M条目的速度比listcomp稍快（

128

vs

120

ms）。用

n&1

替换

n%2

得到

104

vs.

93

ms。在Python3列表上，comp比genexpr稍快。在ideone列表上，COMP总是比genexpr快

$ py26 -mtimeit -s'domain = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]' 'sum(filter(lambda n : n % 2 == 0, domain))'
100000 loops, best of 3: 4.41 usec per loop
$ py26 -mtimeit -s'domain = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]' 'sum([n for n in domain if n % 2 == 0])'
100000 loops, best of 3: 2.69 usec per loop
$ py26 -mtimeit -s'domain = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]' 'sum(n for n in domain if n % 2 == 0)'
100000 loops, best of 3: 2.86 usec per loop