Python基础教程：列表推导式对比For循环执行效率

╰+哭是因爲堅強的太久メ 2022-10-13 14:57 234阅读 0赞

如果把1-10以内的元素追加到一个新的列表表中，如果使用for循环我们可以这么做：

a = []
    for i  in range(1,11):
        a.append(i)
    print(a)

输出结果如下：  
![在这里插入图片描述][20210707160436235.png]  
如果我们换成列表解析式来进行操作会是什么样呢？接下来我们换成列表解析式，如下所示：

b = [a for a in range(1,11)]
    print(b)

输出结果如下：  
![在这里插入图片描述][20210707160447743.png]  
同样的实现效果，那么到底哪种方式的效率更快呢？继续分析，为了看执行效率，我们引入time模块，来实际看一下两种方式执行效率的差异：

我们首先看一下for循环执行的效率：

''' 遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025 寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！ '''
    import time
    a = []
    t0=time.clock()  #获取当前时间
    
    for i in range(1,20000):
         a.append(i)
    print('for循环消耗的时间是：{a}'.format(a=time.clock()-t0))

输出结果如下：  
![在这里插入图片描述][20210707160509624.png]  
然后我继续看一下列表解析式的执行效率：

t0=time.clock()
    b = [i for i in range(1,20000)]
    print("列表推导式消耗的时间：{}".format(time.clock()-t0))

输出结果如下：  
![在这里插入图片描述][20210707161238216.png]  
总结对比：  
![在这里插入图片描述][20210707161247400.png]  
当然，两种方法运用好了，对我们后面的实际工作中都是有很大帮助的，列表推导式和for循环的应用场景不相同，本篇只是给大家分享两者在处理程序上的效率差异性。

[20210707160436235.png]: /images/20221005/72ad875b1aa84c70b6b30d1124f262d0.png
[20210707160447743.png]: /images/20221005/26943a13ff6b445eb919858e54af7c62.png
[20210707160509624.png]: /images/20221005/8dc2088d2cb744709d1ab4f17f9cc921.png
[20210707161238216.png]: /images/20221005/66c579ea74684cb09a0db974bb64073d.png
[20210707161247400.png]: /images/20221005/1e5bef7162eb48c5ae75a79bad63ff9f.png