我知道生成器比迭代器快。我也了解可以使用for循环语法来实现生成器。例如：
import time
startT = time.time()
def myGen(n):
for i in range(n):
yield x
def myIter(n):
for i in range(n):
pass
def main():
n=100
startT=time.time()
myIter(n)
print 'myIter took ', time.time() - startT
startT=time.time()
myGen(n)
print 'myGen(n) took ', time.time() - startT
这只是结果的一个示例：
myIter took 0.09234782
myGen(n) took 0.017847266
由于这使用了for循环语法，所以我不明白它比迭代器要快多少。该生成器使用迭代器，因为“ for”循环是使用迭代器实现的。如果您为这些时间计时，则生成器将始终保持更快的速度。为什么当生成器使用迭代器时呢？
谢谢。
在您的代码中，myIter(n)实际上可以正常工作-循环100次。
myGen(n)另一方面，只需构建生成器－就是这样。它不会计数到100。您要做的只是计时构建对象所需的时间，而您计时的方式却不可靠。如果我们使用timeit（这里使用IPython使事情更简单）：
>>> %timeit myIter(100)
1000000 loops, best of 3: 1 µs per loop
>>> %timeit myGen(100)
10000000 loops, best of 3: 163 ns per loop
>>> %timeit myGen(10**1000)
10000000 loops, best of 3: 163 ns per loop
而且我们看到myGen(n)时间与无关n，因为它没有做任何事情。实际上，我们可以看到您的代码从未以其他方式执行：
>>> list(myGen(100))
Traceback (most recent call last):
File "<ipython-input-11-dd43d937402a>", line 1, in <module>
list(myGen(100))
File "<ipython-input-1-ba968e48e9fd>", line 3, in myGen
yield x
NameError: name 'x' is not defined
如果我们修正了这种错字，然后尝试使用一种快速的方式来消耗生成器，我们将得到类似
>>> %timeit myIter(100)
1000000 loops, best of 3: 1 µs per loop
>>> %timeit consume(myGen(100), 100)
100000 loops, best of 3: 3.44 µs per loop
通常情况下，生成器版本较慢。
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
我来说两句