如何在Python 3.6中正确比较for循环,列表推导和映射的性能？

在下面的代码中,普通的for循环执行得很好(我使用list()从生成器获取值).我在这里做错什么了吗？结果与discussion on Python 2形成鲜明对比.

import timeit

code_for = """
for i in range(1000):
    hex(i)
"""

code_map = """
list(map(hex, range(1000)))
"""

code_map_lambda = """
list(map(lambda x: hex(x), range(1000)))
"""

code_list_comprehension = """
[hex(x) for x in range(1000)]
"""

print(timeit.timeit(code_for, number=10000))
# 1.1155821208376437

print(timeit.timeit(code_map, number=10000))
# 0.8820606248918921

print(timeit.timeit(code_map_lambda, number=10000))
# 1.7510833400301635

print(timeit.timeit(code_list_comprehension, number=10000))
# 1.1798800542019308

更新：将元素添加到code_for中的列表中

code_for_2 = """
a = [0] * 1000
for i in range(1000):
    a[i] = hex(i)
"""
# 1.243549756007269

code_for_3 = """
a = []
for i in range(1000):
    a.append(hex(i))
"""
# 1.5462996119167656    

解决方法:

一些提示：

>为了清楚起见,将代码包装在函数中.
>您缺少列表创建功能,并在code_for中追加.这是使用显式for循环的大部分费用.
>然后,您可以使用timeit,如果使用Jupyter笔记本,则可以使用神奇的％timeit命令.

如下所示,不带lambda的地图表现最佳,这是有道理的,因为hex是内置的.有关更多详细信息,请参见Python List Comprehension Vs. Map.

def code_for(n):
    res = []
    for i in range(n):
        res.append(hex(i))
    return res

def code_map(n):
    return list(map(hex, range(n)))

def code_map_lambda(n):
    return list(map(lambda x: hex(x), range(n)))

def code_list_comprehension(n):
    return [hex(x) for x in range(n)]

%timeit code_for(10000)                 # 3.19 ms per loop
%timeit code_map(10000)                 # 1.69 ms per loop
%timeit code_map_lambda(10000)          # 3.06 ms per loop
%timeit code_list_comprehension(10000)  # 2.27 ms per loop