面试题：Python创建数值列表性能优化场景分析

Question

假设你要创建一个包含100万个整数的列表，范围从1到100万，在实际应用中，除了列表推导式和`for`循环，还有哪些Python内置函数或模块可以用来创建这个列表，从性能和内存占用角度分析各方法的优缺点。

Answer 1

1. 使用range函数：
   • 代码示例：

   my_list = list(range(1, 1000001))
   

   • 优点：
     • 性能：range函数是惰性求值的，在创建range对象时，并不会立即生成所有的整数，而是在需要时才生成。当转换为列表时，生成过程相对高效，因为它是用C实现的底层操作。
     • 内存占用：在创建range对象时，内存占用非常小，因为它只存储起始值、结束值和步长等参数。转换为列表后，占用内存与列表元素数量成正比，但生成过程中不会产生额外的中间大对象。
   • 缺点：
     • 转换为列表后，占用内存会随着元素数量的增加而显著增加，如果只是需要迭代而不真正需要列表，这种转换会造成不必要的内存浪费。
2. 使用numpy模块：
   • 代码示例：

   import numpy as np
   my_list = np.arange(1, 1000001).tolist()
   

   • 优点：
     • 性能：numpy的arange函数底层也是用C实现，在生成大量数值序列时性能极高，尤其对于数值计算优化得很好。
     • 内存占用：numpy数组在存储数值时通常比Python原生列表更节省内存，因为它是同质数组，数据类型统一且存储更紧凑。例如，numpy的int32类型数组存储整数时，每个元素只占4个字节，而Python列表存储整数时，每个元素占用的内存更多。
   • 缺点：
     • 需要额外导入numpy模块，如果项目对依赖要求严格，增加numpy可能带来问题。而且转换为Python列表时，会丢失numpy数组的一些优势，如高效的数值计算特性。同时，numpy数组在某些情况下的索引和操作语义与Python列表略有不同，需要开发者熟悉其特性。