Python 和列表理解的性能

Question

假设你在 python 中有一个列表理解，比如

Values = [ f(x) for x in range( 0, 1000 ) ]

f 只是一个没有副作用的函数。因此所有条目都可以独立计算。

与“显而易见的”实现相比，Python 是否能够提高此列表理解的性能？例如通过多核 CPU 上的共享内存并行化？

Answer 1

在 Python 3.2 中，他们添加了 concurrent.futures ，一个很好的同时解决问题的库。考虑这个例子:

import math, time
from concurrent import futures

PRIMES = [112272535095293, 112582705942171, 112272535095293, 115280095190773, 115797848077099, 1099726899285419, 112272535095293, 112582705942171, 112272535095293, 115280095190773, 115797848077099, 1099726899285419]

def is_prime(n):
    if n % 2 == 0:
        return False

    sqrt_n = int(math.floor(math.sqrt(n)))
    for i in range(3, sqrt_n + 1, 2):
        if n % i == 0:
            return False
    return True

def bench(f):
    start = time.time()
    f()
    elapsed = time.time() - start
    print("Completed in {} seconds".format(elapsed))

def concurrent():
    with futures.ProcessPoolExecutor() as executor:
        values = list(executor.map(is_prime, PRIMES))

def listcomp():
    values = [is_prime(x) for x in PRIMES]

我的四核结果:

>>> bench(listcomp)
Completed in 14.463825941085815 seconds
>>> bench(concurrent)
Completed in 3.818351984024048 seconds