Python列表推导式结合zip()的时间复杂度及执行逻辑问询

先把你的代码贴出来方便对照：

import numpy as np

# numpy 相关代码
A = np.array([1,2,3,4])
B = np.array([100, 200, 300, 400])
condition = np.array([True, True, False, False])
answer = [(A_val if cond else B_val) for A_val, B_val, cond in zip(A, B, condition)]
print(answer) # Out: [1, 2, 300, 400]

接下来逐个解答你的问题：

1. 时间复杂度是多少？ #

这种结构的时间复杂度是O(n)，其中n是A、B、condition的长度（zip会以最短的那个可迭代对象的长度为准）。

原因很直观：整个过程只需要一次线性遍历——zip打包三个可迭代对象的操作是O(n)，列表推导式遍历zip生成的元组、执行条件判断和取值都是常数时间O(1)。所有操作的总耗时和元素数量成正比，没有嵌套循环，所以是线性复杂度。

2. 传入zip()的每个变量是否相当于额外的循环？ #

完全不是。zip(A,B,condition)是并行遍历这三个可迭代对象，而非对每个变量单独做一次循环。

zip的工作逻辑是：每次迭代时，同时从A、B、condition里各取出一个对应位置的元素，打包成一个元组（比如第一次取A[0], B[0], condition[0]，第二次取A[1], B[1], condition[1]），直到其中一个可迭代对象被遍历完。整个过程只需要一轮遍历，不会因为传入n个变量就变成n轮循环，不会增加时间复杂度的量级。

3. 列表推导式本身的执行逻辑是怎样的？ #

列表推导式是Python对「遍历可迭代对象→处理元素→收集结果」这个常见流程的语法糖，执行逻辑可以拆解为以下几步：

• 首先，zip(A,B,condition)生成一个迭代器（不会一次性把所有元组加载到内存，而是按需生成）；
• 列表推导式逐个迭代这个zip迭代器，每次取出一个元组并自动解包成A_val、B_val、cond三个变量；
• 针对每一组变量，执行三元表达式A_val if cond else B_val，得到当前位置的结果；
• 把所有位置的结果依次收集到一个新列表中，最终返回这个列表。

它等价于下面的手动循环代码，但Python对列表推导式做了底层优化，执行效率会略高于手动append的循环：

answer = []
for A_val, B_val, cond in zip(A, B, condition):
    if cond:
        answer.append(A_val)
    else:
        answer.append(B_val)

额外提一句：如果是处理numpy数组，用np.where(condition, A, B)会更高效（这是numpy的C级别向量操作，比Python层面的遍历快很多），不过这属于场景优化的补充啦~

内容的提问来源于stack exchange，提问作者Lucien Chardon