302

最近我开始使用 Python3，它没有xrange伤害。

简单的例子：

  1. Python2：

    from time import time as t
def count():
  st = t()
  [x for x in xrange(10000000) if x%4 == 0]
  et = t()
  print et-st
count()

  2. Python3：

    from time import time as t

def xrange(x):

    return iter(range(x))

def count():
    st = t()
    [x for x in xrange(10000000) if x%4 == 0]
    et = t()
    print (et-st)
count()

结果分别是：

  1. 1.53888392448
  2. 3.215819835662842

这是为什么？我的意思是，为什么xrange被删除了？这是一个很好的学习工具。对于初学者，就像我自己一样，就像我们都在某个时候一样。为什么要删除它？有人可以指出正确的 PEP，我找不到。

4

6 回答 6

188

一些性能测量，使用timeit而不是尝试手动使用time.

一、苹果2.7.2 64位：

In [37]: %timeit collections.deque((x for x in xrange(10000000) if x%4 == 0), maxlen=0)
1 loops, best of 3: 1.05 s per loop

现在，python.org 3.3.0 64 位：

In [83]: %timeit collections.deque((x for x in range(10000000) if x%4 == 0), maxlen=0)
1 loops, best of 3: 1.32 s per loop

In [84]: %timeit collections.deque((x for x in xrange(10000000) if x%4 == 0), maxlen=0)
1 loops, best of 3: 1.31 s per loop

In [85]: %timeit collections.deque((x for x in iter(range(10000000)) if x%4 == 0), maxlen=0) 
1 loops, best of 3: 1.33 s per loop

显然， 3.xrange确实比 2.x 慢一点xrange。而OP的xrange功能与它无关。__iter__（不足为奇，因为在对循环中发生的任何事情的 10000000 次调用中不可能看到对插槽的一次性调用，但有人提出了它的可能性。）

但它只慢了 30%。OP 是如何变得慢 2 倍的？好吧，如果我用 32 位 Python 重复相同的测试，我会得到 1.58 与 3.12。所以我的猜测是，这是 3.x 以损害 32 位的方式针对 64 位性能进行优化的又一种情况。

但这真的重要吗？检查一下，再次使用 3.3.0 64 位：

In [86]: %timeit [x for x in range(10000000) if x%4 == 0]
1 loops, best of 3: 3.65 s per loop

因此，构建所需的list时间是整个迭代的两倍多。

至于“比 Python 2.6+ 消耗更多的资源”，根据我的测试，看起来 3.xrange的大小与 2.x 的大小完全相同xrange——而且，即使它是 10 倍大，构建不必要的列表仍然比范围迭代可能做的任何问题多出大约 10000000 倍。

那么显式for循环而不是内部的 C 循环deque呢？

In [87]: def consume(x):
   ....:     for i in x:
   ....:         pass
In [88]: %timeit consume(x for x in range(10000000) if x%4 == 0)
1 loops, best of 3: 1.85 s per loop

因此，声明中浪费的时间几乎与for迭代range.

如果您担心优化范围对象的迭代，那么您可能找错地方了。

同时，你一直问为什么xrange被删除，不管人们告诉你多少次同样的事情，但我会再重复一遍：它没有被删除：它被重命名为range，而 2.xrange就是被删除的内容。

这里有一些证明 3.3range对象是 2.xxrange对象（而不是 2.xrange函数）的直接后代：3.3range和2.7xrange的源。您甚至可以看到更改历史记录（我相信，链接到替换文件中任何位置的字符串“xrange”的最后一个实例的更改）。

那么，为什么会慢呢？

好吧，首先，他们添加了许多新功能。另一方面，他们在整个地方（尤其是内部迭代）进行了各种具有轻微副作用的更改。并且已经做了很多工作来显着优化各种重要的案例，即使它有时会略微悲观不太重要的案例。把这一切加起来，我并不感到惊讶的是，range尽可能快地迭代 a 现在有点慢。这是没有人会足够关注的次要案例之一。没有人可能有一个真实的用例，这种性能差异是他们代码中的热点。

于 2013-02-22T00:03:10.850 回答
150

Python3 的范围是Python2 的 xrange。没有必要在它周围包裹一个迭代器。要在 Python3 中获取实际列表，您需要使用list(range(...))

如果你想要一些适用于 Python2 和 Python3 的东西，试试这个

try:
    xrange
except NameError:
    xrange = range
于 2013-02-22T01:09:29.197 回答
22

Python 3 的range类型与 Python 2 的xrange. 我不确定你为什么会看到速度变慢，因为你的xrange函数返回的迭代器正是你range直接迭代得到的。

我无法在我的系统上重现减速。以下是我的测试方式：

Python 2，带有xrange：

Python 2.7.3 (default, Apr 10 2012, 23:24:47) [MSC v.1500 64 bit (AMD64)] on win32
Type "copyright", "credits" or "license()" for more information.
>>> import timeit
>>> timeit.timeit("[x for x in xrange(1000000) if x%4]",number=100)
18.631936646865853

Python 3range稍微快一点：

Python 3.3.0 (v3.3.0:bd8afb90ebf2, Sep 29 2012, 10:57:17) [MSC v.1600 64 bit (AMD64)] on win32
Type "copyright", "credits" or "license()" for more information.
>>> import timeit
>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=100)
17.31399508687869

我最近了解到 Python 3 的range类型还有一些其他简洁的特性，比如支持切片：range(10,100,2)[5:25:5]is range(20, 60, 10)!

于 2013-02-21T23:42:07.870 回答
2

修复 python2 代码的一种方法是：

import sys

if sys.version_info >= (3, 0):
    def xrange(*args, **kwargs):
        return iter(range(*args, **kwargs))
于 2016-01-22T15:18:03.857 回答
1

Python 2 中的 xrange 是一个生成器并实现了迭代器，而 range 只是一个函数。在 Python3 中，我不知道为什么会从 xrange 中删除。

于 2018-04-07T01:52:23.583 回答
-1

comp:~$ python Python 2.7.6 (default, Jun 22 2015, 17:58:13) [GCC 4.8.2] on linux2

>>> import timeit
>>> timeit.timeit("[x for x in xrange(1000000) if x%4]",number=100)

5.656799077987671

>>> timeit.timeit("[x for x in xrange(1000000) if x%4]",number=100)

5.579368829727173

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=100)

21.54827117919922

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=100)

22.014557123184204

使用 timeit number=1 参数：

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=1)

0.2245171070098877

>>> timeit.timeit("[x for x in xrange(1000000) if x%4]",number=1)

0.10750913619995117

comp:~$ python3 Python 3.4.3（默认，2015 年 10 月 14 日，20:28:29）[GCC 4.8.4] 在 linux 上

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=100)

9.113872020003328

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=100)

9.07014398300089

使用 timeit number=1,2,3,4 参数可以快速且线性地工作：

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=1)

0.09329321900440846

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=2)

0.18501482300052885

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=3)

0.2703447980020428

>>> timeit.timeit("[x for x in range(1000000) if x%4]",number=4)

0.36209142999723554

因此，如果我们测量 1 个运行循环周期，例如 timeit.timeit("[x for x in range(1000000) if x%4]",number=1) （正如我们在实际代码中实际使用的那样），python3 工作得足够快，但在重复循环中，python 2 xrange() 在速度上胜过 python 3 中的 range()。

于 2015-12-27T10:46:21.857 回答