高次関数vsループ - 実行時間とメモリ効率？

Question

高次関数を使用しています& Lambdasは実行時間を&にするとメモリの効率は良くなるか悪くなりますか？ 例えば、リスト内のすべての数値を乗算する：

nums = [1,2,3,4,5] 
prod = 1 
for n in nums: 
    prod*=n 

VS

prod2 = reduce(lambda x,y:x*y , nums) 

はHOFバージョンは、それがコードの少ない行をだ以外ループバージョン上の任意の利点を持っている/機能的アプローチを使用？

EDIT：

私は私が必要との評判を持っていないような答えとしてこれを追加することはできませんよ。私は@DSM

def test1():   
    s= """ 
    nums = [a for a in range(1,1001)] 
    prod = 1 
    for n in nums: 
     prod*=n 
    """    
    t = timeit.Timer(stmt=s) 
    return t.repeat(repeat=10,number=100)  

def test2(): 
    s=""" 
    nums = [a for a in range(1,1001)]  
    prod2 = reduce(lambda x,y:x*y , nums) 
    """ 
    t = timeit.Timer(stmt=s) 
    return t.repeat(repeat=10,number=100) 

によって示唆されているようにはtimeitを使用してループ& HOFのアプローチをプロファイリングするために結ばれ、これが私の結果である ：

Loop: 
[0.08340786340144211, 0.07211491653462579, 0.07162720686361926, 0.06593182661083438, 0.06399049758613146, 0.06605228229559557, 0.06419744588664211, 0.0671893658461038, 0.06477527090075941, 0.06418023793167627] 
test1 average: 0.0644778902685 
HOF: 
[0.0759414223099324, 0.07616920129277016, 0.07570730355421262, 0.07604965128984942, 0.07547092059389193, 0.07544737286604364, 0.075532959799953, 0.0755039779810629, 0.07567424616704144, 0.07542563650187661] 
test2 average: 0.0754917512762 

平均ループアプローチではHOFsを使用するよりも速くなるようです。

Answer 1

私の経験から得たループは非常に速くネストされていて、深いネストではなく、複雑な高次数演算、単純な演算、ループの単一レイヤーで他の方法より速く、ループまたはループのインデックスとして整数だけが使用されている限り、実際にあなたがやっていることにも依存します

また、高次関数が同じくらい多くのループを生成する可能性があります。 ループプログラムのバージョンは少し遅いかもしれませんが、両方を実行する必要があります。

Answer 2

高次関数は非常に高速になる可能性があります。例えば

、map(ord, somebigstring)は、同等のリスト内包[ord(c) for c in somebigstring]よりはるかに高速です。

• マップ（）somebigstringの長さに結果文字列をプリサイズ：3つの理由元勝。対照的に、リストの理解は、realloc（）に多くの呼び出しを行う必要があります。

• map（）はordの最初の参照を行うだけで、最初にグローバルをチェックしてから、それをチェックして組み込みで見つけます。リストの理解は、すべての反復でこの作業を繰り返さなければなりません。

• マップの内側ループはCスピードで実行されます。リストの理解のためのループ本体は一連の純粋なPythonのステップであり、それぞれがeval-loopによってディスパッチまたは処理される必要があります。ここで

いくつかのタイミングの予測を確認しています

>>> from timeit import Timer 
>>> print min(Timer('map(ord, s)', 's="x"*10000').repeat(7, 1000)) 
0.808364152908 
>>> print min(Timer('[ord(c) for c in s]', 's="x"*10000').repeat(7, 1000)) 
1.2946639061