在python中遍历列表的最有效方法是什么？答案

【问题标题】：Which is the most efficient way to iterate through a list in python?在python中遍历列表的最有效方法是什么？
【发布时间】：2012-06-07 10:09:57
【问题描述】：

假设我有一个项目列表：

x = [1, 2, 3, 4, 5]

我需要为这些项目中的每一项执行一些功能。在某些情况下，我需要返回一个项目的索引。

哪种方法最好、最有效？

for item in list:
    ....

或

for i in range(len(list)):
    ....

【问题讨论】：

发帖前请先搜索论坛。这已被回答一百万次
Iterate a list with indexes in python 的可能重复项
@sulabh：我找不到这个问题的确切副本。请链接相同。我要问的问题是两种不同的迭代列表方式之间的比较，以及哪种方式更好的建议。
如果这不是完全相同的副本，那么人们可以收回他们的反对票吗？我是个穷人，你看...
我会警告不要误认为列表是有效的容器。他们不是。如果您计划迭代大型数据集，则列表效率不高。见下文，应该使用不太灵活但可以处理大小的 numpy 数组。

标签： python performance list

【解决方案1】：

for item in list:

它显然是函数调用较少的那个。

如果您想随时获取项目的索引，请像这样使用enumerate

for pos, item in enumerate(collection):

【讨论】：

【解决方案2】：

def loop_1(data):
    for i in range(len(data)):
        print(data[i])


def looper_2(data):
    for val in data:
        print(val)

检查dis 会得到以下loop_1 的字节码：

 12       0 SETUP_LOOP              40 (to 43)
          3 LOAD_GLOBAL              0 (range)
          6 LOAD_GLOBAL              1 (len)
          9 LOAD_FAST                0 (data)
         12 CALL_FUNCTION            1
         15 CALL_FUNCTION            1
         18 GET_ITER            
    >>   19 FOR_ITER                20 (to 42)
         22 STORE_FAST               1 (i)

13       25 LOAD_GLOBAL              2 (print)
         28 LOAD_FAST                0 (data)
         31 LOAD_FAST                1 (i)
         34 BINARY_SUBSCR       
         35 CALL_FUNCTION            1
         38 POP_TOP             
         39 JUMP_ABSOLUTE           19
    >>   42 POP_BLOCK           
    >>   43 LOAD_CONST               0 (None)
         46 RETURN_VALUE

loop_2 的字节码如下所示：

17        0 SETUP_LOOP              24 (to 27)
          3 LOAD_FAST                0 (data)
          6 GET_ITER            
    >>    7 FOR_ITER                16 (to 26)
         10 STORE_FAST               1 (val)

18       13 LOAD_GLOBAL              0 (print)
         16 LOAD_FAST                1 (val)
         19 CALL_FUNCTION            1
         22 POP_TOP             
         23 JUMP_ABSOLUTE            7
    >>   26 POP_BLOCK           
    >>   27 LOAD_CONST               0 (None)
         30 RETURN_VALUE

显然第二个版本更好。

【讨论】：

【解决方案3】：

另一种可能的解决方案是使用numpy，这将非常有效，对于大型列表可能甚至比列表理解或 for 循环更有效。

import numpy as np

a = np.arange(5.0)   # a --> array([0., 1., 2., 3., 4.])

# numpy operates on arrays element by element 
#
b =3.*a              # b --> array([0., 3., 6., 9., 12.])

这是一个非常简单的操作，但您可以使用数组作为公式中的简单参数来获得更复杂的操作。对于大型数组，这可能比列表推导要快得多，并且它使代码更清晰、更易于阅读（无需创建函数来映射到列表推导中）。您还可以使用索引和切片来定制您想要做的事情：

如果您想访问实际的索引位置，请使用 ndenumerate

# b is as above
for i, x in np.ndenumerate(b):
    print i, x

这个for循环的输出是：

(0,) 0.0 
(1,) 3.0 
(2,) 6.0 
(3,) 9.0 
(4,) 12.0

注意：numpy 以元组形式返回的索引以处理其他维度。这里我们只有一个维度，因此您必须解包元组才能获取元素的索引。

【讨论】：

你能补充一下这方面的细节吗？

【解决方案4】：

显然for i in range(len(list)): 会更慢 - 在 python 2 中，它相当于：

list2 = range(len(list))

for i in list2:
    ...

如果这样更快，那么这会更快，对吧？

list2 = range(len(list))
list3 = range(len(list2))
list4 = range(len(list3))

for i in list4:
    ...

【讨论】：