写Python代码的人常遇到一种情况。程序跑起来慢。查来查去没发现大问题。最后定位到一行不起眼的循环。改一个写法速度就上去了。这种技巧不涉及复杂的算法。今天讲的就是一个基础操作。             

先看一段代码。假设有一个列表存放用户年龄。需要找出所有成年人的年龄。很多人会这样写：         

普通循环写法

ages = [12, 34, 18, 22, 15, 40] adult_ages = [] for age in ages:    

if age >= 18:        

adult_ages.append(age)

这段代码没问题。逻辑清楚。可数据量变大就出事了。列表有一千万个年龄。循环跑一千万次。每次判断再加一次append。             

时间花在列表的动态扩容上。             

Python里列表不是固定数组。append操作有时会重新分配内存。数据越多这种开销越明显。         

换一种写法。用列表推导式：         

列表推导式adult_ages = [age for age in ages if age >= 18]

列表推导式不是语法糖。它在底层做了优化。Python解释器为推导式创建了一个专用字节码路径。循环体内不调用方法。没有append函数调用的开销。内存分配一次到位。因为解释器提前知道要生成多少元素。测试一下。对一千万个整数做筛选。         

⚡性能对比

循环 + append

0.8s

→

列表推导式

0.3s

速度提升 2 倍以上

有人问列表推导式还能更快吗。可以。当过滤条件简单时用生成器表达式配合内置函数。比如把条件换成函数调用：         

adult_ages = list(filter(lambda age: age >= 18, ages))

这个写法比列表推导式慢。因为lambda有函数调用开销。filter在C层面实现。lambda回Python层执行。整体反而拖累。所以列表推导式是首选。

再看另一种常见场景。需要把两个列表合并成字典。比如键列表和值列表。新手会写循环：         

keys = ['a', 'b', 'c'] values = [1, 2, 3] d = {} for i in range(len(keys)):     d[keys[i]] = values[i]

这个循环有索引访问。还有range生成。换成字典推导式：         

d = {k: v for k, v in zip(keys, values)}

zip在C层配对。推导式直接构造字典。没有中间列表。没有索引计算。速度提升三倍。字典推导式还有一个好处。它只遍历一次输入。而循环写法中如果数据量大会产生多次哈希计算。         

有人会问。推导式里能不能加多个条件。可以。比如筛选年龄在18到60之间的：         

adult_ages = [age for age in ages if age >= 18 if age <= 60]

两个if连写。效果等同于and。速度快过用and连接。因为每个if独立判断。解释器可以短路。用and时解释器也要做同样的事。可写成一行的两个if更直观。         

推导式还能嵌套。比如展平二维列表：         

matrix = [[1, 2], [3, 4], [5, 6]] flat = [num for row in matrix for num in row]

这个写法保持从左到右的循环顺序。外层循环先动。内层循环后动。等价于两个for循环。可嵌套推导式让代码短很多。速度也快。因为不需要在每次内层循环时重新绑定外层变量。         

内存提醒

列表推导式会把所有结果放在内存里。如果数据量极大可能撑爆内存。这时候用生成器表达式。语法把方括号换成圆括号。             

adult_ages_gen = (age for age in ages if age >= 18)

生成器表达式不立即计算。每次next才产生一个值。内存占用恒定。适合流式处理。比如从文件读大列表。可以一边读一边过滤。不会一次性加载全部数据。速度上生成器表达式比列表推导式稍慢。因为每次取值有状态保存开销。可内存省了几十倍。取舍看场景。         

还有一个坑。推导式里的变量作用域。Python 3中推导式有自己的作用域。循环变量不会泄漏到外面。比如：         

x = 10 squares = [x*x for x in range(5)] print(x)  # 输出10

循环变量x只在推导式内部有效。外面还是原来的10。这个特性避免了很多bug。用普通for循环时x会被覆盖成4。写代码时容易忘了这一点。推导式自动隔离。         

 再看集合推导式。跟列表推导式一样。只是用花括号：         

unique_ages = {age for age in ages if age >= 18}

集合推导式自动去重。底层用哈希表。比先列表推导再set快。因为不需要构造中间列表。直接边过滤边去重。哈希冲突多的时候还是会慢。可大多数场景下够用。         

字典推导式还能做键值反转：         

original = {'a': 1, 'b': 2} reversed_dict = {v: k for k, v in original.items()}

如果值有重复。后面的会覆盖前面的。这个行为要清楚。写代码时确认值唯一。         

推导式里能调用函数吗。能。可别在里面做耗时操作。比如读写文件或网络请求。推导式设计用来做纯计算。混入副作用会让代码难读。性能也不一定好。因为函数调用开销还在。         

什么时候不该用推导式

逻辑复杂时。比如循环体里有多个分支和try-except。硬写成推导式会变成一行巨长的代码。可读性差。调试也难。这种情况用普通for循环。                 

代码是给人看的。速度差不了太多时优先选清晰。

推导式跟map和filter比怎么样。map和filter是内置函数。C实现。对于简单操作map可能更快。比如把列表每个元素加1：         

result = list(map(lambda x: x+1, data))

这个写法比列表推导式慢。因为lambda是Python函数。每次调用都要走Python调用栈。换成内置函数比如str.upper可以快：         

result = list(map(str.upper, strings))

这个比列表推导式快。因为str.upper是C函数。map直接调用它。没有Python层函数调用。            

 所以规则是：如果操作是内置C函数。用map。否则用列表推导式。

还有一个隐藏技巧。列表推导式里用局部变量缓存方法。比如：         

data = ['hello', 'world'] upper = str.upper result = [upper(s) for s in data]

把str.upper赋值给局部变量upper。在推导式里调用upper。比每次写str.upper快。因为属性查找只做一次。这个技巧在循环里也适用。推导式里同样有效。         
实际案例

处理日志文件。每行格式是时间戳加消息。需要提取所有错误级别的消息。用普通循环：         

errors = [] for line in open('log.txt'):     if 'ERROR' in line:         errors.append(line.strip())

改成推导式：         

errors = [line.strip() for line in open('log.txt') if 'ERROR' in line]

代码短了。速度也快了。可注意文件句柄。推导式不会自动关闭文件。用with语句包起来。或者把open结果先赋值给变量。跑完手动关。列表推导式不适合管理资源。
性能优势来自哪里

1没有函数调用开销。循环里append是方法调用。推导式用专用字节码。             

2结果列表预分配内存。解释器知道最终大小吗。不一定知道。可它用了一种增长策略比list.append更高效。             

3局部变量访问更快。推导式内部变量存在快速局部槽里。而普通循环里变量在全局或闭包中查找更慢。             

有人做过基准测试。对一百万个整数做平方。普通for循环加append耗时0.12秒。列表推导式耗时0.06秒。快一倍。如果加上条件过滤。差距更大。普通循环0.15秒。推导式0.07秒。         

推导式还能跟条件表达式一起用。比如把负数变零：         

data = [1, -2, 3, -4] result = [x if x > 0 else 0 for x in data]

注意这里if else的位置。它在for前面。这叫条件表达式。跟过滤用的if不同。过滤的if在for后面。写错顺序结果就错了。这个细节新手常犯。

 推导式里能用海象运算符吗。Python 3.8以上可以。比如：         

data = [1, 2, 3, 4, 5] result = [y for x in data if (y := x*2) > 5]

海象运算符在推导式里赋值。可读性不好。不推荐。除非逻辑确实需要避免重复计算。         

推导式也有递归限制。嵌套层数太多会报语法错误。一般没人写超过三层的推导式。两层已经够复杂了。         

性能对比总览

处理一千万个随机整数。筛选偶数并平方。

普通循环 — 1.2秒

map + filter + lambda — 1.8秒

列表推导式 — 0.5秒

map + 内置函数 — 0.4秒

可内置函数场景有限。大多数业务逻辑用列表推导式平衡最好。

学会这个技巧不需要记复杂语法。记住一点：当你写for循环往列表里append时。先想想能不能改成推导式。改完跑一下测试。速度提升看得见。代码行数还少了。         

 新手从今天起可以试试。把你项目里的一个循环改成列表推导式。感受一下运行时间的差异。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。