为什么分析列表和生成器之间会有不同的结果？

Question

我正在图上使用python函数，这是递归且复杂的NP。但是，我在很长的时间内得到了结果，因此我使用了kernprof来查看哪些行花费更多的时间。

我看到这条线比我想的要花更多的时间：

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
...
    53    120244     740797.0      6.2     17.0             if any( [m[passed].get(i, False) for passed in isom] ): # si ce noeud est lié à un noeud passé, le tester

因此，我选择使用生成器，因为似乎我不应该生成所有列表，因为我只是想知道是否为真。

但是使用发电机，我得到了这个结果：

Line #      Hits         Time  Per Hit   % Time  Line Contents
==============================================================
...
    53     35283     509901.0     14.5     12.8             if any( (m[passed].get(i, False) for passed in isom) ): # si ce noeud est lié à un noeud passé, le tester

所以似乎比列表理解要快，但是我不明白为什么每次点击的时间更长，为什么我的点击次数少得多？

Answer 1

rkern（https://github.com/rkern/line_profiler）的常见问题解答：

为什么当我使用LineProfiler时，我的列表理解命中率如此之高？

LineProfiler为列表理解的每次迭代记录一次具有列表理解的行。

并且这解释了我认为为什么使用生成器的每次命中时间更长的原因，如列表中的很多命中只是返回false的迭代，但是使用生成器时，生成器的命中很多，这要慢一些。