创建带有序列号的列表

Question

from time import time

mylist1 = []
mylist2 = []

start1 = time()
for i in range(100000000):
    mylist1.append(i)
end1 = time()

start2 = time()
mylist2 = [0] * 100000000
end2 = time()

print(end1-start1, end2-start2)

当我对这两个操作进行计时以填充列表时，使用for循环得到14秒，使用mylist2 = [0] * 100000000得到0.5秒

因此，如果我需要一次插入大量项目，那么使用第二种方法似乎是显而易见的。你知道吗

但如果我做第二件事，我必须插入相同的数字为所有，或手动键入数字，将重复。你知道吗

有表演的方法吗

for i in range(100000000):
    mylist1.append(i)

这个动作导致[0,1,2,3，…，n]以良好的速度？你知道吗

如果速度快，代码不一定要短。你知道吗

Answer 1

对于完全可移植性，list(range(N))将获得最佳性能as Prune notes。也就是说，如果您纯粹是针对Python3.5或更高版本，那么可以使用PEP 448's additional unpacking generalizations稍微加快速度，包括：

[*range(N)]

请注意，这是一个固定的节省，而不是每个项；它所做的只是绕过对内置命名空间中list的查找，以及普通list构造函数的通用函数调用分派和__init__参数处理。因此，当您谈论1亿个项目时，节省的成本将在噪音中丢失；所有这些都将减少固定开销（在我的3.6安装中）170±10纳秒（例如，list(range(0))每次调用需要417纳秒，而[*range(0)]每次调用需要247纳秒）。你知道吗

但在特定情况下，还有一个更快的选择：

mynotlist = range(100000000)

在现代Python中，^{} objects是full fledged sequences，它们是不可变的。因此，您可以构造它们、索引它们、切片它们、计算它们的长度、向前和向后迭代它们、检查成员资格（在O(1)中检查int的成员资格，不像list中的成员资格测试是O(n)），等等。它们唯一缺少的不可变相关特性是连接和重复（使用+和*），尽管可以用^{} functions来模拟，比如^{}（用于串联），和^{}inga ^{}（用于重复）。你知道吗

如果您不需要改变序列，只需从中读取，使用range“raw”是迄今为止最好的选择；range是懒惰的，不消耗内存，同时仍然非常有效地生成它们的值。这种懒惰可能很重要；list(range(100000000))需要（在64位Python上）3.45giga字节的内存来存储list本身以及它包含的所有int；range(100000000)需要48字节。考虑到内存的节省，动态生成值的琐碎成本是非常值得的。你知道吗

如果需要可变性，仍然可以节省一点内存。如果numpy是一个选项，那么sacul's answer已经覆盖了您；如果不是，那么Python's array module将为您节省一点时间和大量内存。与之相比：

 list(range(100000000))

array备选方案：

 array.array('I', range(100000000))

所需时间减少了约10%（微基准点在3.39秒时有list，而在3.07秒时有array.array），并且占用的内存更少（低于~391 MB，而int的list的~3529 MB）。array的主要成本是有限的值范围（例如，对于'I'，四字节unsigned int只能将值存储在range(2**32)；使用两倍内存的q/Q格式代码的最大范围是range(-2**63, 2**63)/range(2**64)）。你知道吗

Answer 2

尝试列出range输出：

mylist3 = list(range(100000000))

我在你的测试中加了这个

append: 18.42
all-0:   0.23
list:    2.63       <== The new one

Answer 3

既然你说你需要速度，我认为np.arange是最好的方法，它甚至比创建所有0的列表还要快

import timeit
import numpy as np

def m1(n=100000000):
    mylist = []
    for i in range(n):
        mylist.append(i)
    return mylist

def m2(n=100000000):
    return [0] * n

def m3(n=100000000):
    return list(range(n))

def m4(n=100000000):
    return np.arange(n)

>>> timeit.timeit(m1,number=1)
17.615584995000972
>>> timeit.timeit(m2,number=1)
0.7669911839911947
>>> timeit.timeit(m3,number=1)
9.909814337006537
>>> timeit.timeit(m4,number=1)
0.5374436590063851

注意，np.arange()返回一个np.array。如果需要将其转换回列表，则会失去速度。最好用数组。。。你知道吗

def m4(n=100000000):
    return np.arange(n).tolist()

>>> timeit.timeit(m4,number=1)
11.485261309993803