Python any（）+生成器表达式 [英] Python any() + generator expression
问题描述
根据此处的博客文章，任何（）+生成器表达式应该比for循环运行得更快，看起来他的推理是有道理的。
但是我试过使用这个方法尽管在其他函数上），但它似乎需要花费较长的时间来运行比明确的循环。
def with_loop（ a，b）：在xrange（1，b）中x为
：
如果x * a％b == 1：return True
return False
def with_generator（a，b）：
在xrange（1，b）中x返回any（x * a％b == 1）
基本上，代码循环遍历从1到 b 的所有数字，以查找数字 a 是否具有模逆。 p>
运行函数的次数是：
$ b $ $ p $ >> ;> from timeit import Timer as T
>>> T（lambda：with_generator（100，300））。repeat（number = 100000）
[3.4041796334919923，3.6303230626526215，3.6714475531563266]
>>> T（lambda：with_loop（100,300））。repeat（number = 100000）
[2.1977450660490376，2.2083902291327604,2.1905292602997406]
>>> T（lambda：with_generator（101,300））。repeat（number = 100000）
[1.213779524696747,1.2228346702509043,1.2216941170634072]
>>> T（lambda：with_loop（101,300））。repeat（number = 100000）
[0.7431202233722161,0.7444361146951906,0.7525384471628058]
with_generator（100,300）返回False，with_generator（101,300）返回True。
看起来，with_generator总是需要比with_loop运行更长的时间。是否有任何理由呢？
编辑：
是否有其他更短或更优雅的方式来重写with_loop，以便达到类似或更好的性能？
上下文我认为
any（）+生成器表达式应该比for循环运行得更快
表示任何不会产生所有的值，而是一个循环：
>>> T（lambda：any（[x * 101％300 == 1 xrange（1,300）]））。）repeat。（number = 100000）
[5.7612644951345935,5.742304846931542,5.746804810873488]
> ;>> T（lambda：any（x * 101％300 == 1 for x in xrange（1,300）））。repeat（number = 100000）
[2.1652204281427814,21640463131248886,2164674290446399]
所以引用并不意味着一个循环永远无法达到一个生成器的性能。
引用意味着一个循环通常会生成所有的元素，任何一个都不会使用所有的元素，而一个生成器只会生成任何使用的元素。
函数 with_loop 相当于生成器。所以你不能指望一个不同的行为。
更清楚地说：任何（循环） 任何（发生器）因为循环产生的一切。你的 with_loop 相当于任何（发生器）而不是任何（循环）。
原始问题
>>> （6.1,300））。repeat（number = 100000））
600043函数调用（600040原始调用）在6.133秒
订购者：标准名称
ncalls tottime percall cumtime percall文件名：lineno（函数）
3 0.000 0.000 0.000 0.000：0（追加）
6 0.000 0.000 0.000 0.000： 0（时钟）
3 0.000 0.000 0.000 0.000：0（禁用）
3 0.000 0.000 0.000 0.000：0（使能）
3 0.000 0.000 0.000 0.000：0（全局）
1 0.000 0.000 0.000 0.000：0（hasattr）
3 0.000 0.000 0.000 0.000：0（isenabled）
2 0.000 0.000 0.000 0.000：0（isinstance）
1 0.000 0.000 0.000 0.000：0范围）
1 0.005 0.005 0.005 0.005：0（setprofile）
300000 0.579 0.000 5.841 0.000< string>：1（< lambda>
（with_loop）
1 0.000 0.000 6.133 6.133 profile：0（with_loop）1（）
300000 5.262 0.000 5.262 0.000< string> T（lambda：with_loop（101，300））。repeat（number = 100000））
0 0.000 0.000 profile：0（profiler）
1 0.000 0.000 0.000 0.000 timeit.py:121(__init__）
3 0.000 0.000 0.000 0.000 timeit.py:143（安装）
3 0.000 0.000 6.128 2.043 timeit.py:178（timeit）
1 0.000 0.000 6.128 6.128 timeit.py:201（重复）
1 0.000 0.000 0.000 0.000 timeit.py:94(_template_func）
3 0.287 0.096 6.128 2.043 timeit.py:96（内）
>> >
31500043函数调用（31500040原语调用）在70.531秒
$ b（$） $ b订单：标准名称
ncalls tottime percall cumtime percall文件名：lineno（功能）
300000 30.898 0.000 67.590 0.000：0（任意）
3 0.000 0.000 0.000 0.000： 0（附加）
6 0.000 0.000 0.000 0.000：0（时钟）
3 0.000 0.000 0.000 0.000：0（禁用）
3 0.000 0.000 0.000 0.000：0（启用）
3 0.000 0.000 0.000 0.000：0（全球变量）
1 0.000 0.000 0.000 0.000：0（hasattr）
3 0.000 0.000 0.000 0.000：0（isenabled）
2 0.000 0.000 0.000 0.000：0 isinstance）
1 0.000 0.000 0.000 0.000：0（范围）
1 0.000 0.000 0.000 0.000：0（setprofile）
300000 0.667 （<模块>）
300000 1.629 0.000 69.555 0.000 gt ; 6（with_generator）
30600000 37.027 0.000 37.027 0.000 ：7（< genexpr>）
1 0.000 0.000 70.531 70.531 profile：0（T：lambda_with_generator（101,300） ）.repeat（number = 100000））
0 0.000 0.000 profile：0（profiler）
1 0.000 0.000 0.000 0.000 timeit.py:121(__init__）
3 0.000 0.000 0.000 0.000 timeit。 py：143（setup）
3 0.000 0.000 70.531 23.510 timeit.py:178（timeit）
1 0.000 0.000 70.531 70.531 timeit.py:201（重复）
1 0.000 0.000 0.000 0.000 timeit .py：94（_template_func）
3 0.309 0.103 70.531 23.510 timeit.py:96（内部）
打电话给ge如果你知道列表中有多少元素，那么你可以这样写： / p>
l [0] * 101％300 == 1或l [1] * 101％300 == 1或l [2 ] * 101％300 == 1或....
According to the blog post here, an any() + generator expression should run quicker than a for loop, and it seems like his reasoning makes sense.
But I've tried to use this method (albeit on some other function), but it seems to take a longer time to run than an explicit for loop.
def with_loop(a, b):
for x in xrange(1, b):
if x * a % b == 1: return True
return False
def with_generator(a, b):
return any(x * a % b == 1 for x in xrange(1, b))
Basically the code loops through all the numbers from 1 to b to find whether the number a has a modular inverse.
The times I got from running the functions are:
>>> from timeit import Timer as T
>>> T(lambda : with_generator(100, 300)).repeat(number = 100000)
[3.4041796334919923, 3.6303230626526215, 3.6714475531563266]
>>> T(lambda : with_loop(100, 300)).repeat(number = 100000)
[2.1977450660490376, 2.2083902291327604, 2.1905292602997406]
>>> T(lambda : with_generator(101, 300)).repeat(number = 100000)
[1.213779524696747, 1.2228346702509043, 1.2216941170634072]
>>> T(lambda : with_loop(101, 300)).repeat(number = 100000)
[0.7431202233722161, 0.7444361146951906, 0.7525384471628058]
with_generator(100,300) returns False and with_generator(101,300) returns True.
It seems that with_generator always takes a longer time to run than with_loop. Is there any reason for this?
EDIT: Is there any other shorter or more elegant way of rewriting with_loop so that we achieve similar or better performance? Thanks!
Context
I think that
any() + generator expression should run quicker than a for loop
means that any does not generate all values but a loop does:
>>> T(lambda : any([x * 101 % 300 == 1 for x in xrange(1, 300)])).repeat(number = 100000)
[5.7612644951345935, 5.742304846931542, 5.746804810873488]
>>> T(lambda : any(x * 101 % 300 == 1 for x in xrange(1, 300))).repeat(number = 100000)
[2.1652204281427814, 2.1640463131248886, 2.164674290446399]
So the quote does not mean that a loop can never achieve the performance of a generator.
The quote means that a loop usually generates all elements and any does not use all of them and a generator only generates the elements that any uses.
Your function with_loop is equivalent to the generator. So you can not expect a different behaviour.
To put it more clearly: any(loop) is slower than any(generator) because the loop generates everything. Your with_loop is equivalent to any(generator) and not to any(loop).
Original Question
>>> profile.run("""T(lambda : with_loop(101, 300)).repeat(number = 100000)""")
600043 function calls (600040 primitive calls) in 6.133 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
3 0.000 0.000 0.000 0.000 :0(append)
6 0.000 0.000 0.000 0.000 :0(clock)
3 0.000 0.000 0.000 0.000 :0(disable)
3 0.000 0.000 0.000 0.000 :0(enable)
3 0.000 0.000 0.000 0.000 :0(globals)
1 0.000 0.000 0.000 0.000 :0(hasattr)
3 0.000 0.000 0.000 0.000 :0(isenabled)
2 0.000 0.000 0.000 0.000 :0(isinstance)
1 0.000 0.000 0.000 0.000 :0(range)
1 0.005 0.005 0.005 0.005 :0(setprofile)
300000 0.579 0.000 5.841 0.000 <string>:1(<lambda>)
4/1 0.000 0.000 6.128 6.128 <string>:1(<module>)
300000 5.262 0.000 5.262 0.000 <string>:1(with_loop)
1 0.000 0.000 6.133 6.133 profile:0(T(lambda : with_loop(101, 300)).repeat(number = 100000))
0 0.000 0.000 profile:0(profiler)
1 0.000 0.000 0.000 0.000 timeit.py:121(__init__)
3 0.000 0.000 0.000 0.000 timeit.py:143(setup)
3 0.000 0.000 6.128 2.043 timeit.py:178(timeit)
1 0.000 0.000 6.128 6.128 timeit.py:201(repeat)
1 0.000 0.000 0.000 0.000 timeit.py:94(_template_func)
3 0.287 0.096 6.128 2.043 timeit.py:96(inner)
>>> profile.run("""T(lambda : with_generator(101, 300)).repeat(number = 100000)""")
31500043 function calls (31500040 primitive calls) in 70.531 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
300000 30.898 0.000 67.590 0.000 :0(any)
3 0.000 0.000 0.000 0.000 :0(append)
6 0.000 0.000 0.000 0.000 :0(clock)
3 0.000 0.000 0.000 0.000 :0(disable)
3 0.000 0.000 0.000 0.000 :0(enable)
3 0.000 0.000 0.000 0.000 :0(globals)
1 0.000 0.000 0.000 0.000 :0(hasattr)
3 0.000 0.000 0.000 0.000 :0(isenabled)
2 0.000 0.000 0.000 0.000 :0(isinstance)
1 0.000 0.000 0.000 0.000 :0(range)
1 0.000 0.000 0.000 0.000 :0(setprofile)
300000 0.667 0.000 70.222 0.000 <string>:1(<lambda>)
4/1 0.000 0.000 70.531 70.531 <string>:1(<module>)
300000 1.629 0.000 69.555 0.000 <string>:6(with_generator)
30600000 37.027 0.000 37.027 0.000 <string>:7(<genexpr>)
1 0.000 0.000 70.531 70.531 profile:0(T(lambda : with_generator(101, 300)).repeat(number = 100000))
0 0.000 0.000 profile:0(profiler)
1 0.000 0.000 0.000 0.000 timeit.py:121(__init__)
3 0.000 0.000 0.000 0.000 timeit.py:143(setup)
3 0.000 0.000 70.531 23.510 timeit.py:178(timeit)
1 0.000 0.000 70.531 70.531 timeit.py:201(repeat)
1 0.000 0.000 0.000 0.000 timeit.py:94(_template_func)
3 0.309 0.103 70.531 23.510 timeit.py:96(inner)
To call the generator every time, 30600000 times, seems to be much slower than just a for loop.
If you know how many elements exist in a list then you can write this:
l[0] * 101 % 300 == 1 or l[1] * 101 % 300 == 1 or l[2] * 101 % 300 == 1 or ....
这篇关于Python any（）+生成器表达式的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
