Python中列表推导式初始化二维矩阵对角线为何比外置for循环慢

• 操作量级的本质差异
  嵌套列表推导式的写法需要执行n*n次Python层面的判断和赋值操作，以1000*1000的矩阵为例，总操作量是100万次。而快的写法中，[[False]*n for _ in range(n)]的批量赋值逻辑是CPython底层C语言实现的，几乎没有Python层面的循环开销，后续仅需要执行n次对角线赋值操作，总有效操作量仅为千次级，二者操作量差了3个数量级。
• C底层实现与Python字节码的效率差
  [False]*1000这类序列乘法操作是在CPython解释器的C代码层完成的，不需要逐次执行Python字节码，执行效率比Python层面的循环、条件判断高数十倍。嵌套列表推导的每一次条件判断、赋值都需要走Python字节码调度，累计开销极高。
• 冗余判断的额外开销
  慢写法中每一个元素都需要执行一次i==j的相等判断，这类单次开销极低的操作放大到百万次量级后，累计占用的时间也会非常可观。快写法完全规避了这类冗余判断，仅对对角线位置做精准赋值，没有额外开销。

在LeetCode的评测场景下，时间限制阈值通常比较严格，当输入字符串长度较大时，慢写法的初始化开销足以让总耗时超过限制，切换为外置循环初始化后省下的时间足以满足评测要求。

附测试代码验证：

# 慢版本
from time import perf_counter
s=perf_counter()
dpArray=[[  True if i==j else False for j in range(1000)] for i in range(1000) ]
print(f"Initialized in {perf_counter() - s:0.4f} seconds")

# 快版本
s=perf_counter()
dpArray=[[False]*1000 for i in range(1000) ]
for i in range(1000):
    dpArray[i][i]=True
print(f"Initialized diagonal in {perf_counter() - s:0.4f} seconds")

运行结果参考：

Initialized in 0.0645 seconds
Initialized diagonal in 0.0095 seconds

对应最长回文子串题解的两种实现：

# 慢版本题解
class Solution:
    def longestPalindrome(self, s: str) -> str:
        dp = [[  True if i==j else False for j in range(len(s))] for i in range(len(s)) ]
        ans=s[0]
        for j in range(len(s)):
            for i in (range(j)):
                if s[i]==s[j] and (dp[i+1][j-1] or j==i+1):
                    dp[i][j]=True
                    if j-i+1>len(ans):
                        ans=s[i:j+1]
        return ans

# 快版本题解
class Solution:
    def longestPalindrome(self, s: str) -> str:
        dp = [[False]*len(s) for _ in range(len(s)) ]
        for i in range(len(s)):
            dp[i][i]=True
        ans=s[0]
        for j in range(len(s)):
            for i in range(j):
                if s[i]==s[j] and (dp[i+1][j-1] or j==i+1):
                    dp[i][j]=True
                    if j-i+1>len(ans):
                        ans=s[i:j+1]
        return ans

内容的提问来源于stack exchange，提问作者Suneel