为何列表推导式比for循环append操作更慢？实测解析

我测试得到了和预期相反的结果：显式for循环加append操作的耗时比列表推导式更短，具体数据如下：

• for循环耗时：7.214778099999876
• 列表推导式耗时：7.4003780000002735

我原本以为重复调用append的for循环会比列表推导式慢，但实际结果刚好相反。

测试代码 #

代码1：for循环+append实现

import timeit

mycode = '''
new_list=[]
x=[1,2,3,4,5]
for obj in x:
    if obj %2==0:
        new_list.append(obj)
'''
 
print(timeit.timeit(stmt=mycode, number=10000000))

代码2：列表推导式实现

import timeit

mycode = '''
x=[1,2,3,4,5]
new_list=[obj for obj in x if obj %2==0]
'''

print(timeit.timeit(stmt=mycode, number=10000000))

为什么会出现反常识的结果？ #

通常列表推导式因为是Python底层优化的字节码实现，比显式for循环+append要快，但这次测试的特殊点在于处理的列表x长度极短（仅5个元素）。

当列表长度极小时，列表推导式的初始化开销（比如语法解析、生成器框架创建等额外步骤）占比会被放大，反而盖过了它的效率优势；而显式append的循环逻辑更直接，在短列表场景下的多次重复执行中，反而能跑出略快的结果。

如果换成更长的列表（比如包含数百甚至上千个元素），你会发现列表推导式的速度优势会明显体现——此时元素处理的时间占比远远超过初始化开销，底层优化的效果就显现了。

内容的提问来源于stack exchange，提问作者Ryan Njonjo