python – 列表理解优化

2019年8月4日 190次阅读

我设法将8行代码转换为2行.

第一个列表理解获取文件夹,第二个获取特定过滤器的文件：

hideTheseFolders=[".thumb",".mayaSwatches","RECYCLER","$AVG"]
fileFilters=["ma","jpg","png","mb",'iff','tga','tif']
newLst=[]
import os
locationTxt="E:\box\scripts"
[newLst.append(each) for each in os.listdir(locationTxt)  if os.path.isdir(os.path.join(locationTxt,each)) and each not in hideTheseFolders]
[newLst.append(os.path.basename(os.path.join(locationTxt,each))) for nfile in fileFilters for each in os.listdir(locationTxt) if each.endswith(nfile)]

现在在上面的代码中,最后两行是从locationTxt查看同一目录,这意味着可能有一种方法可以合并最后两行.有什么建议？

最佳答案 列表推导不是优化技术.当Python编译器看到列表推导时,它会将其分解为for循环.查看字节码13(FOR_ITER)：

In [1]: from dis import dis

In [2]: code = "[i for i in xrange(100)]"

In [3]: dis(compile(code, '', 'single'))
  1           0 BUILD_LIST               0
              3 LOAD_NAME                0 (xrange)
              6 LOAD_CONST               0 (100)
              9 CALL_FUNCTION            1
             12 GET_ITER            
        >>   13 FOR_ITER                12 (to 28)
             16 STORE_NAME               1 (i)
             19 LOAD_NAME                1 (i)
             22 LIST_APPEND              2
             25 JUMP_ABSOLUTE           13
        >>   28 POP_TOP             
             29 LOAD_CONST               1 (None)
             32 RETURN_VALUE

列表理解与for循环相同的事实也可以通过计时来看出.在这种情况下,for循环实际上稍微(但微不足道)加快了：

In [4]: %timeit l = [i for i in xrange(100)]
100000 loops, best of 3: 13.6 us per loop

In [5]: %%timeit l = []; app = l.append  # optimise out the attribute lookup for a fairer test
   ...: for i in xrange(100):
   ...:     app(i)
   ...: 
100000 loops, best of 3: 11.9 us per loop  #  insignificant difference. Run it yourself and you might get it the other way around

因此,您可以将任何给定的列表推导编写为具有最小性能命中的for循环(实际上,由于属性查找通常存在很小的差异),并且通常具有显着的可读性益处.特别是,不应将具有副作用的循环写为列表推导.你也不应该使用大于2的关键字列表推导,或者使得一行超过70个字符左右的列表推导.这些不是硬性规则,只是用于编写可读代码的启发式方法.

不要误解我的意思,列表推导非常有用,并且通常比等效的for-loop-and-append更清晰,更简单,更简洁.但他们不应该以这种方式被滥用.

点赞