Додаючи поворот до відповіді Алфії , насправді цикл for був би другим кращим і приблизно в 6 разів повільніше, ніжmap
from functools import reduce
import datetime
def time_it(func, numbers, *args):
start_t = datetime.datetime.now()
for i in range(numbers):
func(args[0])
print (datetime.datetime.now()-start_t)
def square_sum1(numbers):
return reduce(lambda sum, next: sum+next**2, numbers, 0)
def square_sum2(numbers):
a = 0
for i in numbers:
a += i**2
return a
def square_sum3(numbers):
a = 0
map(lambda x: a+x**2, numbers)
return a
def square_sum4(numbers):
a = 0
return [a+i**2 for i in numbers]
time_it(square_sum1, 100000, [1, 2, 5, 3, 1, 2, 5, 3])
time_it(square_sum2, 100000, [1, 2, 5, 3, 1, 2, 5, 3])
time_it(square_sum3, 100000, [1, 2, 5, 3, 1, 2, 5, 3])
time_it(square_sum4, 100000, [1, 2, 5, 3, 1, 2, 5, 3])
Основними змінами були усунення повільних sum
дзвінків, а також, ймовірно, непотрібних int()
в останньому випадку. Встановлення циклу for і карти в однакові терміни робить це фактично фактично. Пам'ятайте, що лямбда - це функціональні поняття, і теоретично вони не повинні мати побічних ефектів, але, ну, вони можуть мати такі побічні ефекти, як додавання a
. Результати в цьому випадку з Python 3.6.1, Ubuntu 14.04, Intel (R) Core (TM) i7-4770 CPU @ 3.40GHz
0:00:00.257703 #Reduce
0:00:00.184898 #For loop
0:00:00.031718 #Map
0:00:00.212699 #List comprehension