El más rápido (y el más fácil de entender) es con una lista de comprensión.
Ver el calendario:
import timeit
import random
c=10000
class SomeObj:
def __init__(self, i):
self.attr=i
def loopCR():
l=[]
for i in range(c):
l.append(SomeObj(random.random()))
return l
def compCR():
return [SomeObj(random.random()) for i in range(c)]
def loopAc():
lAttr=[]
for e in l:
lAttr.append(e.attr)
return lAttr
def compAc():
return [e.attr for e in l]
t1=timeit.Timer(loopCR).timeit(10)
t2=timeit.Timer(compCR).timeit(10)
print "loop create:", t1,"secs"
print "comprehension create:", t2,"secs"
print 'Faster of those is', 100.0*abs(t1-t2)/max(t1,t2), '% faster'
print
l=compCR()
t1=timeit.Timer(loopAc).timeit(10)
t2=timeit.Timer(compAc).timeit(10)
print "loop access:", t1,"secs"
print "comprehension access:", t2,"secs"
print 'Faster of those is', 100.0*abs(t1-t2)/max(t1,t2), '% faster'
Prints:
loop create: 0.103852987289 secs
comprehension create: 0.0848100185394 secs
Faster of those is 18.3364670069 % faster
loop access: 0.0206878185272 secs
comprehension access: 0.00913000106812 secs
Faster of those is 55.8677438315 % faster
Así lista por comprensión es a la vez más rápido y más rápido para escribir a ejecutar.
'eficiente' está en el ojo del espectador ... –
@Pyson: No, no, "eficiente" se mide en complejidad, tiempo de cálculo, líneas de código y/o uso de memoria. – Junuxx
@Junuxx: la mayoría de las personas no prueba todas y cada una de las instancias de una comprensión frente a un bucle para ver cuál es menos ciclos de CPU. Si está usando Python, probablemente sea más fácil escribir y leer, no la velocidad absoluta. Lo que indicó allí, el tiempo de cálculo, las líneas de código y/o el uso de la memoria, pueden estar completamente en desacuerdo entre sí. El doble del código puede ser más rápido y usar menos memoria, pero toma más tiempo para leer y escribir como programador. ¿Qué es más * eficiente *? ¿Más rápido de ejecutar o más rápido para escribir en Python? Este es mi punto. –