Compréhension de la liste et carte

Salut, Habr. Souvent lorsque l'on travaille avec des séquences, la question se pose de leur création. Il semble être habitué à utiliser l' inclusion de liste (compréhension de liste) et, dans les livres, à crier sur l'utilisation obligatoire de la fonction de carte intégrée.

Dans cet article, nous examinerons ces approches pour travailler avec des séquences, comparer les performances et également déterminer dans quelles situations quelle approche est la meilleure.

Compréhension des listes

L'inclusion de liste est un mécanisme de génération de liste intégré à Python. Il n'a qu'une seule tâche - construire une liste. L'inclusion de liste crée une liste à partir de n'importe quel type itérable, transformant (filtrant) les valeurs entrantes.

Un exemple d'inclusion de liste simple pour générer une liste de carrés de nombres de 0 à 9:

squares = [x*x for x in range(10)] 

Résultat:

 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 

carte

map est une fonction intégrée au langage. Il accepte une fonction comme premier paramètre et un objet itérable comme deuxième. Renvoie un générateur (Python 3.x) ou une liste (Python 2.x). Je choisirai Python 3.

Un exemple d'appel de la fonction map pour générer une liste de carrés de nombres de 0 à 9:

 squares = list(map(lambda x: x*x, range(10))) 

Résultat:

 [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 

Comparaison des performances

Construire sans fonctions

À titre expérimental, nous considérerons les carrés des nombres de l'intervalle de 0 à 9 999 999:

 python -m timeit -r 10 "[x*x for x in range(10000000)]" python -m timeit -r 10 "list(map(lambda x: x*x, range(10000000)))" 

Résultats:

 1 loop, best of 10: 833 msec per loop 1 loop, best of 10: 1.22 sec per loop 

Comme vous pouvez le voir, la méthode de compréhension de liste fonctionne environ 32% plus rapidement. Une fois démonté, il n'est pas possible d'obtenir des réponses complètes, car la fonction de carte «semble cacher les détails de son travail». Mais cela est probablement dû à l'appel constant de la fonction lambda, à l'intérieur duquel des calculs carrés sont déjà en cours. Dans le cas de la compréhension de liste, il suffit de calculer le carré.

Construire avec des fonctionnalités

À titre de comparaison, nous considérerons également les carrés des nombres, mais les calculs seront désormais à l'intérieur de la fonction:

 python -m timeit -r 10 -s "def pow2(x): return x*x" "[pow2(x) for x in range(10000000)]" python -m timeit -r 10 -s "def pow2(x): return x*x" "list(map(pow2, range(10000000)))" 

Résultats:

 1 loop, best of 10: 1.41 sec per loop 1 loop, best of 10: 1.21 sec per loop 

Cette fois, la situation est inversée. La méthode de la carte était 14% plus rapide. Dans cet exemple, les deux méthodes sont dans la même situation. Les deux doivent appeler une fonction pour calculer le carré. Cependant, les optimisations internes de la fonction de carte lui permettent d'afficher de meilleurs résultats.

Que choisir?

Voici la règle pour choisir la bonne méthode:



Il peut y avoir des exceptions à cette règle, mais dans la plupart des cas, cela vous aidera à faire le bon choix!

la carte est-elle "plus sûre"?

Pourquoi beaucoup recommandent l'utilisation de la carte . Le fait est que dans certains cas, la carte est en fait plus sûre que la compréhension de liste.

Par exemple:

 symbols = ['a', 'b', 'c'] values = [1, 2, 3] for x in symbols: print(x) squared = [x*x for x in values] #  . "x"   "for"  print(x) 

Le résultat du programme sera le suivant:

 a 3 b 3 c 3 

Maintenant, réécrivez le même code en utilisant la carte :

 symbols = ['a', 'b', 'c'] values = [1, 2, 3] for x in symbols: print(x) squared = map(lambda x: x*x, values) #  ,     print(x) 

Conclusion:

 a a b b c c 

Le plus observateur pouvait déjà remarquer à partir de la syntaxe de l'utilisation de map qu'il s'agit de Python 2. En effet, dans le second python, il y avait un genre similaire de problème avec l'écrasement des variables. Cependant, dans Python 3, ce problème a été corrigé et n'est plus pertinent.

Les exemples décrits ci-dessus montreront les mêmes résultats. Il peut également sembler que c'est une erreur stupide et vous ne ferez jamais une telle erreur, cependant, cela peut se produire lorsque vous transférez simplement un bloc de code avec une boucle interne à partir d'un autre bloc. Une telle erreur peut vous coûter beaucoup de temps et de nerfs pour la réparer.

Conclusion

La comparaison a montré que chacune des méthodes est bonne dans sa situation.

• Si vous n'avez pas besoin de toutes les valeurs calculées à la fois (ou peut-être qu'elles ne sont pas du tout nécessaires), vous devez opter pour la carte . Ainsi, selon les besoins, vous demanderez une partie des données au générateur, tout en économisant une grande quantité de mémoire (Python 3. En Python 2, cela n'a pas de sens, car la carte renvoie une liste).
• Si vous devez calculer toutes les valeurs à la fois et que les calculs peuvent être effectués sans utiliser de fonctions, vous devez alors faire un choix dans le sens de la compréhension de la liste . Comme le montrent les résultats des expériences - il présente un avantage significatif en termes de performances.

PS: Si j'ai raté quelque chose, je suis heureux d'en discuter avec vous dans les commentaires.