Uważam, że różne odpowiedzi są naprawdę eleganckie (szczególnie Alex Martelli), ale chciałem oszacować wydajność z pierwszej ręki, więc przygotowałem następujący scenariusz:
from itertools import repeat
N = 10000000
def payload(a):
pass
def standard(N):
for x in range(N):
payload(None)
def underscore(N):
for _ in range(N):
payload(None)
def loopiter(N):
for _ in repeat(None, N):
payload(None)
def loopiter2(N):
for _ in map(payload, repeat(None, N)):
pass
if __name__ == '__main__':
import timeit
print("standard: ",timeit.timeit("standard({})".format(N),
setup="from __main__ import standard", number=1))
print("underscore: ",timeit.timeit("underscore({})".format(N),
setup="from __main__ import underscore", number=1))
print("loopiter: ",timeit.timeit("loopiter({})".format(N),
setup="from __main__ import loopiter", number=1))
print("loopiter2: ",timeit.timeit("loopiter2({})".format(N),
setup="from __main__ import loopiter2", number=1))
Wymyśliłem również alternatywne rozwiązanie, które opiera się na rozwiązaniu Martelliego i używa map()
do wywołania funkcji ładunku. OK, trochę oszukałem, ponieważ pozwoliłem sobie na to, by ładunek akceptował parametr, który zostanie odrzucony: nie wiem, czy istnieje sposób na obejście tego. Niemniej jednak oto wyniki:
standard: 0.8398549720004667
underscore: 0.8413165839992871
loopiter: 0.7110594899968419
loopiter2: 0.5891903560004721
więc użycie mapy daje poprawę o około 30% w stosunku do standardowej pętli i dodatkowe 19% w porównaniu ze standardem Martelli.