Python list comprehension / map / multiprocess pool.map 比較

# 使用 for
def main():
    result = []
    for i in range(400):
        result.append(foo(i))

# 使用 list comprehension
def main():
    result = [foo(i) for i in range(400)]

# 使用 map
def main():
    result = map(foo, range(400))

使用 timeit 執行 1000000 次的結果：

for	list comprehension	map
96.8263	75.3605	77.5310

這裡的結果很奇妙，list comprehension 居然比較快。

把 range(400) 改為 range(1000000)，增加 multiprocessing ，並改用 cProfile 測試。

# 使用 multiprocessing
from multiprocessing import Pool

if __name__ == '__main__':
    pool = Pool()
    result = pool.map(foo, range(1000000))

| for | list comprehension | map | multiprocess | | —– | —————— | —– | ———— | | 0.610 | 0.406 | 0.383 | 0.299 |

結論就是，避免使用 for ，再視情況來用 list comprehension / map / multiprocessing 。

額外找到的資料，裏面都有介紹如何使用 timeit 跟 profiling ，同時也有幫畫圖的工具： * A guide to analyzing Python performance « Huy Nguyen * 2.4. Optimizing code — Scipy lecture notes