列表推导式与for循环性能测试：我的测试方法是否正确？

为了避免Django ModelSerialization的性能损耗，我尝试手动序列化数据库结果集。看到相关说法称列表推导式是最快的方案，但我的测试结果却显示嵌套for循环始终更快。

我有100条原始数据库结果，需要基于包含14个字段的有序列表，将其转换成OrderedDict列表。核心疑问包括：

• 是否因使用场景复杂，导致列表推导式的性能优势无法体现？
• 是不是样本量太小的原因？
• 这种性能差异是否本来就可忽略不计？
• 我的性能测试方法是否正确？

测试用例及耗时 #

嵌套for循环（耗时：0.000919342041015625） #

serialized = []
start = time.time()
for raw in results:
    result = OrderedDict()
    for index, field in enumerate(fields):
        result[field] = raw[index]
    serialized.append(result)
end = time.time()
print("For loop + for loop " + str(end - start))

嵌套列表推导式（耗时：0.011911153793334961） #

serialized = []
start = time.time()
serialized = [OrderedDict((field, raw[index]) for index, field in enumerate(fields)) for raw in results]
end = time.time()
print("List comprehensions + list comprehensions " + str(end - start))

for循环+列表推导式（耗时：0.020151615142822266） #

serialized = []
start = time.time()
for raw in results:
    result = OrderedDict((field, raw[index]) for index, field in enumerate(fields))
    serialized.append(result)
end = time.time()
print("For loop + list comprehensions " + str(end - start))

问题解答 #

1. 测试方法的核心问题 #

你的测试方法存在明显缺陷，导致结果参考性不足：

• 单次测试误差极大：单轮耗时受系统实时负载（如其他进程占用CPU）影响严重，偶然因素会直接干扰结果。
• 缺少代码预热：Python解释器首次执行代码时，会有字节码编译等额外开销，未预热的测试结果不能反映真实性能。
• 未隔离测试环境：变量初始化、内存状态等因素可能影响测试一致性。

正确的做法是使用timeit模块，它会自动多次运行代码并取平均值，消除偶然误差：

import timeit
from collections import OrderedDict

def nested_for_loops(results, fields):
    serialized = []
    for raw in results:
        result = OrderedDict()
        for index, field in enumerate(fields):
            result[field] = raw[index]
        serialized.append(result)
    return serialized

def nested_list_comps(results, fields):
    return [OrderedDict(zip(fields, raw)) for raw in results]

# 假设results和fields为你的测试数据
time_for = timeit.timeit(lambda: nested_for_loops(results, fields), number=1000)
time_comp = timeit.timeit(lambda: nested_list_comps(results, fields), number=1000)

print(f"嵌套for循环平均耗时：{time_for/1000:.8f}")
print(f"优化后列表推导式平均耗时：{time_comp/1000:.8f}")

2. 为什么你的测试中for循环更快？ #

你使用的OrderedDict((field, raw[index])...)通过生成器表达式构造字典，生成器的__next__方法调用存在额外开销。而嵌套for循环是直接逐个赋值给OrderedDict，避免了这部分开销，在小数据量测试中这种差异会被放大。

如果用zip(fields, raw)直接配对字段与值，替代enumerate+索引的方式，列表推导式的性能会显著提升，甚至反超for循环。

3. 样本量与性能差异的实际意义 #

100条数据的量级确实不大，但只要测试方法正确，性能差异仍能体现。不过在实际业务中，这种毫秒级的差异完全可以忽略——真正的性能瓶颈通常在数据库查询环节，而非序列化步骤。只有当数据量达到几万甚至几十万级别时，序列化的性能差异才需要重点关注。

4. 场景复杂度的影响 #

你的场景不算复杂，核心差异在于OrderedDict的构造方式。直接赋值的for循环避免了生成器的额外开销，所以单次测试中显得更快；但优化后的列表推导式（用zip替代生成器），性能会更优。

内容的提问来源于stack exchange，提问作者Danielle