Python3列表理解优化

我正在Python3中对列表进行理解，根据给定的范围对列表序列号列表进行理解。我的代码可以很好地工作，但问题是范围大，速度慢，需要很多时间。我想有别的办法吗？我不想用numpy

global xy 
xy = 0
a = 3
def func(x):
    global xy 
    xy += 1
    return xy 

my_list = [[func(x) for x in range(a)] for x in range(a)]
xy = 0
print(my_list)

---

完全按照你要求的形式

[list(range(x, x + a)) for x in range(1, a**2 + 1, a)]

优化

如果您只迭代内部列表元素

(range(x, x + a) for x in range(1, a**2 + 1, a))

如果只为内部元素编制索引（用于索引

内部

和

外部

）

如果你两者都做的话

[range(x, x + a) for x in range(1, a**2 + 1, a)]

---

注意：我想你可以通过将它们与mousetail的答案以你要求的形式结合起来，从中获得更多的性能

[list(range(x, x + a)) for x in range(1, a**2 + 1, a)]

优化

如果您只迭代内部列表元素

(range(x, x + a) for x in range(1, a**2 + 1, a))

如果只为内部元素编制索引（用于索引

内部

和

外部

）

如果你两者都做的话

[range(x, x + a) for x in range(1, a**2 + 1, a)]

注意：我认为，通过将它们与mousetail的答案结合起来，您可以从中获得更高的性能

试试：

t = [list(range(a*i + 1, a*(i+1) + 1)) for i in range(a)]

即使对于>100，它似乎也相当快，但对于图形循环或事件处理程序内部来说，速度还不够快

请尝试：

t = [list(range(a*i + 1, a*(i+1) + 1)) for i in range(a)]

---

即使对于>100，它似乎也相当快，但对于图形循环或事件处理程序内部来说，速度还不够快。有多种方法可以完成您所做的事情。一旦我们做了性能检查，你会有一个更清晰的画面

import timeit

# Process 1

setup = '''
global xy
xy =0
a=30
def func(x):
    global xy
    xy+=1
    return xy
'''

code = '''
my_list = []
for x in range(a):
    my_list1 = []
    for x in range(a):
        my_list1.append(func(x))
    my_list.append(my_list1)
'''

print(min(timeit.Timer(code, setup=setup).repeat(7, 1000)))

# Process 2

setup_2 = """
global xy
xy =0
a=30
def func(x):
    global xy
    xy+=1
    return xy

"""
print(min(timeit.Timer('[[func(x)for x in range(a)] for x in range(a)]', setup=setup_2).repeat(7, 1000)))

# Process 3

setup_3 = 'a=30'
print(min(timeit.Timer('[[(x*a)+b for b in range(a)] for x in range(a)]', setup=setup_3).repeat(7, 1000)))

# process   4
setup_4 = 'a=30'
print(min(timeit.Timer('[list(range(a*i + 1, a*(i+1) + 1)) for i in range(a)]',  setup=setup_4).repeat(7, 1000)))

输出

0.21270840199999996
0.1699727179999999
0.08638116599999979
0.028964930000000333

您可以看到，最后一个进程是最快的，因为所有操作都是在局部变量而不是全局变量中进行的。速度几乎快了10倍

[list(range(a*i + 1, a*(i+1) + 1)) for i in range(a)]

如果可能，请使用局部变量：

Python检索本地文件的速度更快 变量，而不是检索全局变量。也就是说，避免 “全局”关键字

---

有多种方法可以完成你所做的事情。一旦我们做了性能检查，你会有一个更清晰的画面

import timeit

# Process 1

setup = '''
global xy
xy =0
a=30
def func(x):
    global xy
    xy+=1
    return xy
'''

code = '''
my_list = []
for x in range(a):
    my_list1 = []
    for x in range(a):
        my_list1.append(func(x))
    my_list.append(my_list1)
'''

print(min(timeit.Timer(code, setup=setup).repeat(7, 1000)))

# Process 2

setup_2 = """
global xy
xy =0
a=30
def func(x):
    global xy
    xy+=1
    return xy

"""
print(min(timeit.Timer('[[func(x)for x in range(a)] for x in range(a)]', setup=setup_2).repeat(7, 1000)))

# Process 3

setup_3 = 'a=30'
print(min(timeit.Timer('[[(x*a)+b for b in range(a)] for x in range(a)]', setup=setup_3).repeat(7, 1000)))

# process   4
setup_4 = 'a=30'
print(min(timeit.Timer('[list(range(a*i + 1, a*(i+1) + 1)) for i in range(a)]',  setup=setup_4).repeat(7, 1000)))

输出

0.21270840199999996
0.1699727179999999
0.08638116599999979
0.028964930000000333

您可以看到，最后一个进程是最快的，因为所有操作都是在局部变量而不是全局变量中进行的。速度几乎快了10倍

[list(range(a*i + 1, a*(i+1) + 1)) for i in range(a)]

如果可能，请使用局部变量：

Python检索本地文件的速度更快 变量，而不是检索全局变量。也就是说，避免 “全局”关键字

---

为什么在第一行使用

全局xy

？它只在任何函数或类中有用。这段代码非常奇怪

func

除了递增并返回一个全局计数器之外什么都不做，您可以使用

range

来代替。你到底想达到什么目的？这对我来说似乎是个XY问题。此外，您似乎没有完全理解

全局

关键字的作用，这可能会进一步混淆。范围（a）中x的

将产生0..3，而您最希望的列表可能是：
[[0,1,2,3]，[0,1,2,3]，[0,1,2,3]，[0,1,2,3]
，因为范围（a）中x有
在另一个之上。我认为他想要建立一个足够大的列表。这样告诉我们
的问题是，范围大，速度慢，需要花费很多时间
您已经在全局名称空间中声明xy，使用
全局
是多余的。您可以使用生成器一次打印每个列表，这样可以节省内存，但我不确定这是否会加快进程。为了加快速度，您需要生成多个进程并并行构建列表（假设您有多核处理器可用）。为什么要在第一行使用
global xy
？它只在任何函数或类中有用。这段代码非常奇怪
func
除了递增并返回一个全局计数器之外什么都不做，您可以使用
range
来代替。你到底想达到什么目的？这对我来说似乎是个XY问题。此外，您似乎没有完全理解
全局
关键字的作用，这可能会进一步混淆。范围（a）中x的
将产生0..3，而您最希望的列表可能是：
[[0,1,2,3]，[0,1,2,3]，[0,1,2,3]，[0,1,2,3]
，因为范围（a）中x有
在另一个之上。我认为他想要建立一个足够大的列表。这样告诉我们
的问题是，范围大，速度慢，需要花费很多时间
您已经在全局名称空间中声明xy，使用
全局
是多余的。您可以使用生成器一次打印每个列表，这样可以节省内存，但我不确定这是否会加快进程。为了加快速度，您需要生成多个进程并并行构建列表（假设您有多核处理器可用）。很好，大约比原来快5-10倍。代码更少。不错，大约比原来快5-10倍。而且代码更少。