第一条评论：不要在
xrange(或
range()样本中混合使用…这样做会使您在比较苹果和橙子时的问题无效。
我第二个@Gabe的想法是，如果您有许多大型数据结构，则numpy应该在总体上胜出……只是要记住，大多数时候C的速度要比Python快，但是大多数时候PyPy的速度要比CPython快。
:-)
就listcomps与
map()调用而言…一个调用101个函数，而另一个调用102个。这意味着您不会看到时间上的显着差异，如下所示，使用@Mike建议的 timeit
模块：
- 清单理解
$ python -m timeit "def foo(x):pass; [foo(i) for i in range(100)]"
1000000 loops, best of 3: 0.216 usec per loop
$ python -m timeit "def foo(x):pass; [foo(i) for i in range(100)]"
1000000 loops, best of 3: 0.21 usec per loop
$ python -m timeit "def foo(x):pass; [foo(i) for i in range(100)]"
1000000 loops, best of 3: 0.212 usec per loop
map()
函数调用
$ python -m timeit "def foo(x):pass; map(foo, range(100))"
1000000 loops, best of 3: 0.216 usec per loop
$ python -m timeit "def foo(x):pass; map(foo, range(100))"
1000000 loops, best of 3: 0.214 usec per loop
$ python -m timeit "def foo(x):pass; map(foo, range(100))"
1000000 loops, best of 3: 0.215 usec per loop
尽管如此，除非您打算 使用
通过这两种技术创建的列表，否则请完全避免使用它们（使用列表）。IOW，如果您要做的只是遍历它们，那么当您只关心一次查看每个元素时，只要立即丢弃该列表，就不值得消耗内存（并可能在内存中创建潜在的庞大列表）。你完成了。
在这种情况下，我强烈建议您使用 生成器表达式，
因为它们不会在内存中创建整个列表…这是一种更友好的内存，懒惰的迭代方式，可以循环遍历元素以处理不创建大型函数内存中的数组。最好的部分是它的语法与listcomps的语法几乎相同：
a = (foo(i) for i in range(100))
仅限2.x用户
：沿着更多的迭代路线，将任何旧版2.x代码的所有
range()调用都更改为
xrange()，然后
range()在移植到Python
3
xrange()替换并重命名为时切换到
range()。
