Python [] 竟然比 list() 快3倍！??！
點(diǎn)擊上方“AI算法與圖像處理”，選擇加"星標(biāo)"或“置頂”
重磅干貨，第一時(shí)間送達(dá)
來源 | Python貓
在日常使用 Python 時(shí)，我們經(jīng)常需要?jiǎng)?chuàng)建一個(gè)列表，相信大家都很熟練了吧？
# 方法一：使用成對(duì)的方括號(hào)語法
list_a = []
# 方法二：使用內(nèi)置的 list()
list_b = list()
上面的兩種寫法，你經(jīng)常使用哪一個(gè)呢？是否思考過它們的區(qū)別呢？
讓我們開門見山，直接拋出本文的問題吧：兩種創(chuàng)建列表的 [] 與 list() 寫法，哪一個(gè)更快呢，為什么它會(huì)更快呢？
1、 [] 是 list() 的三倍快
對(duì)于第一個(gè)問題，使用timeit模塊的 timeit() 函數(shù)就能簡單地測(cè)算出來：
>>> import timeit
>>> timeit.timeit('[]', number=10**7)
>>> timeit.timeit('list()', number=10**7)
如上圖所示，在各自調(diào)用一千萬次的情況下，[] 創(chuàng)建方式只花費(fèi)了 0.47 秒，而 list() 創(chuàng)建方式要花費(fèi) 1.75 秒，所以，后者的耗時(shí)是前者的 3.7 倍！
這就回答了剛才的問題：創(chuàng)建空列表時(shí)，[] 要比 list() 快不少。
注：timeit() 函數(shù)的效率跟運(yùn)行環(huán)境相關(guān)，每次執(zhí)行結(jié)果會(huì)有微小差異。我在 Python3.8 版本實(shí)驗(yàn)了幾次，總體上 [] 速度是 list() 的 3 倍多一點(diǎn)。
2、list() 比 [] 執(zhí)行步驟多
那么，我們繼續(xù)來分析一下第二個(gè)問題：為什么 [] 會(huì)更快呢？
這一次我們可以使用dis模塊的 dis() 函數(shù)，看看兩者執(zhí)行的字節(jié)碼有何差別：
>>> from dis import dis
>>> dis("[]")
>>> dis("list()")
如上圖所示，[] 的字節(jié)碼有兩條指令（BUILD_LIST 與 RETURN_VALUE），而 list() 的字節(jié)碼有三條指令（LOAD_NAME、CALL_FUNCTION 與 RETURN_VALUE）。
這些指令意味著什么呢？該如何理解呢？
首先，對(duì)于 []，它是 Python 中的一組字面量（literal），像數(shù)字之類的字面量一樣，表示確切的固定值。
也就是說，Python 在解析到它時(shí)，就知道它要表示一個(gè)列表，因此會(huì)直接調(diào)用解釋器中構(gòu)建列表的方法（對(duì)應(yīng)BUILD_LIST），來創(chuàng)建列表，所以是一步到位。
而對(duì)于 list()，“l(fā)ist”只是一個(gè)普通的名稱，并不是字面量，也就是說解釋器一開始并不認(rèn)識(shí)它。
因此，解釋器的第一步是要找到這個(gè)名稱（對(duì)應(yīng)LOAD_NAME）。它會(huì)按照一定的順序，在各個(gè)作用域中逐一查找（局部作用域--全局作用域--內(nèi)置作用域），直到找到為止，找不到則拋出NameError。
解釋器看到“l(fā)ist”之后是一對(duì)圓括號(hào)，因此第二步是把這個(gè)名稱當(dāng)作可調(diào)用對(duì)象來調(diào)用，即把它當(dāng)成一個(gè)函數(shù)進(jìn)行調(diào)用（對(duì)應(yīng) CALL_FUNCTION）。
因此，list() 在創(chuàng)建列表時(shí)，需要經(jīng)過名稱查找與函數(shù)調(diào)用兩個(gè)步驟，才能真正開始創(chuàng)建列表（注：CALL_FUNCTION 在底層還會(huì)有一些函數(shù)調(diào)用過程，才能走到跟 BUILD_LIST 相通的邏輯，此處我們忽略不計(jì)）。
至此，我們就可以回答前面的問題了：因?yàn)?list() 涉及的執(zhí)行步驟更多，因此它比 [] 要慢一些。
3、list() 的速度提升
看完前兩個(gè)問題的解答過程，你也許覺得還不夠過癮，而且可能覺得就算知道了這個(gè)冷知識(shí)，也不會(huì)有多大的幫助，似乎那微弱的提升顯得微不足道。
而且，由于有發(fā)散性思考的習(xí)慣，我還想到了另外一個(gè)挺有意思的問題：list() 的速度能否提升呢？
我不久前寫過一篇文章正好討論到這個(gè)問題，也就是在剛剛發(fā)布的 Python 3.9.0 版本中，它給 list() 實(shí)現(xiàn)了更快的 vectorcall 協(xié)議，因此執(zhí)行速度會(huì)有一定的提升。
感興趣的同學(xué)可以去 Python 官網(wǎng)下載 3.9 版本。
根據(jù)我多輪的測(cè)試結(jié)果，在新版本中運(yùn)行 list() 一千萬次，耗時(shí)大概在 1 秒左右，也就是 [] 運(yùn)行耗時(shí)的 2 倍，相比于前面接近 4 倍的數(shù)據(jù)，當(dāng)前版本總體上是提升了不少。
至此，我們已回答完一連串的疑問，如果你覺得有收獲，請(qǐng)點(diǎn)贊支持！歡迎大家關(guān)注后續(xù)更多精彩內(nèi)容。
下載1：OpenCV黑魔法
在「AI算法與圖像處理」公眾號(hào)后臺(tái)回復(fù)：OpenCV黑魔法，即可下載小編精心編寫整理的計(jì)算機(jī)視覺趣味實(shí)戰(zhàn)教程
下載2 CVPR2020
在「AI算法與圖像處理」公眾號(hào)后臺(tái)回復(fù)：CVPR2020，即可下載1467篇CVPR 2020論文 個(gè)人微信（如果沒有備注不拉群！） 請(qǐng)注明：地區(qū)+學(xué)校/企業(yè)+研究方向+昵稱
覺得有趣就點(diǎn)亮在看吧
