Что работает быстрее List comprehension или список в Python?

List Comprehension vs Обычное построение списков

List comprehension работает значительно быстрее обычного построения списков через цикл. Это одно из главных преимуществ данного синтаксиса в Python.

Почему List Comprehension быстрее?

Основные причины различия в производительности:

1. Оптимизация на уровне интерпретатора Python оптимизирует list comprehension на уровне байт-кода. Когда вы используете comprehension, Python генерирует более эффективный байт-код по сравнению с явным циклом.

2. Меньше операций поиска переменных В обычном цикле Python постоянно ищет переменную в разных областях видимости (LEGB rule). List comprehension имеет свою область видимости, что снижает операции поиска.

3. Оптимизированные внутренние операции List comprehension используют специализированные операции для добавления элементов, которые быстрее чем вызовы append().

Сравнение кода

Обычное построение:

result = []
for i in range(1000000):
    if i % 2 == 0:
        result.append(i * i)

List Comprehension:

result = [i * i for i in range(1000000) if i % 2 == 0]

Бенчмарк производительности

Примерные результаты на типичной машине:

import timeit

# Обычный цикл
setup = "result = []"
loop_code = """
for i in range(10000):
    result.append(i * i)
"""
loop_time = timeit.timeit(loop_code, setup=setup, number=1000)
print(f"Обычный цикл: {loop_time:.4f}s")

# List comprehension
comp_code = "result = [i * i for i in range(10000)]"
comp_time = timeit.timeit(comp_code, number=1000)
print(f"List comprehension: {comp_time:.4f}s")

print(f"Speedup: {loop_time / comp_time:.2f}x")

Обычно list comprehension быстрее на 20-40% в зависимости от сложности операций.

Практические примеры

Фильтрация с преобразованием:

# Медленнее
result = []
for item in items:
    if item.get("active"):
        result.append(item["id"])

# Быстрее
result = [item["id"] for item in items if item.get("active")]

Вложенные структуры:

# Медленнее
result = []
for i in range(100):
    for j in range(100):
        result.append(i * j)

# Быстрее
result = [i * j for i in range(100) for j in range(100)]

Generator expressions

Для ещё большей эффективности по памяти используй generator expressions:

# List comprehension — выделяет память для всех элементов
big_list = [i * i for i in range(1000000)]

# Generator expression — генерирует по одному элементу
big_gen = (i * i for i in range(1000000))

for value in big_gen:
    print(value)  # Значения генерируются по мере необходимости

Generator expressions занимают минимум памяти, но работают слегка медленнее list comprehension.

Выводы

1. List comprehension быстрее обычного цикла с append() на 20-40%
2. Читаемость лучше — код более декларативный
3. Память экономнее с generator expressions
4. Используй list comprehension для новых данных, generator expression для потоковой обработки
5. Dict и Set comprehensions работают по тому же принципу и тоже оптимизированы