Python中map为何比列表推导式略快？

测试场景 #

In [1]: import numpy as np   
In [2]: a1 = np.random.rand(100000)*31  
In [3]: %%timeit
   ...: a2 = [int(a) for a in a1]
   12.3 ms ± 156 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
In [4]: %%timeit
    ...: a2 = list(map(int, a1))
    9.58 ms ± 191 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

测试结果显示list(map(int, a1))的执行速度略快于列表推导式，以下是具体分析：

性能差异的原因 #

• 底层实现差异：map是CPython内置的纯C实现工具，它直接将目标函数（此处为int）和可迭代对象传递给底层C逻辑处理，全程无需在Python解释器层面反复执行循环体的变量绑定、表达式求值操作。
• 解释器开销减少：列表推导式本质是Python层面的循环结构，每一次迭代都要触发Python解释器对int(a)表达式的解析、求值，这会产生额外的解释器调用开销；而map直接在C层完成函数调用，避免了这部分累积损耗。
• 迭代协议适配：对于numpy数组这类实现了迭代器协议的对象，map的C实现能更直接地调用其迭代接口，减少了Python层面对迭代过程的封装开销。

是否属于预期情况 #

这完全是预期现象。在处理单一函数映射的简单迭代场景时，map因更低的解释器开销，通常会比列表推导式有轻微的性能优势；当迭代规模越大，这种差异会越明显。但如果迭代逻辑涉及复杂的多步骤表达式，列表推导式的可读性和性能表现会更均衡，甚至可能反超。

深入了解的资料方向 #

• 阅读Python官方文档中map函数和列表推导式的章节，明确两者的设计定位与执行逻辑。
• 研究CPython源码中map的C实现（如Objects/mapobject.c）和列表推导式的编译过程，直观理解底层执行的差异。
• 学习Python迭代器协议、函数调用的底层机制，掌握纯C实现与Python层面执行的开销区别。

内容的提问来源于stack exchange，提问作者Chiffa