我正在探索 Python 的itertools模塊，并遇到了itertools.product返回與((x,y) for x in A for y in B). for-loops我發(fā)現(xiàn)它是一種非常巧妙的方法，可以在列表理解可能不足的復(fù)雜環(huán)境中減少嵌套。但是，在繼續(xù)之前，我想檢查它使用替代方法的性能。這是我進(jìn)行的一些測試。使用 Jupyter Notebook 的內(nèi)置%%timeit來衡量性能。案例1：香草列表理解%%timeit -n 50 -r 5[(x,y) for x in range(1000) if x%2==0 for y in range(1000) if y%2==1]>>> 35.8 ms ± 1.3 ms per loop (mean ± std. dev. of 5 runs, 50 loops each)案例 2：列表理解中的 itertools.product刪除itertools了導(dǎo)入以避免在此處顯示導(dǎo)入時(shí)間。%%timeit -n 50 -r 5[(x,y) for (x,y) in itertools.product(range(1000), range(1000)) if x%2==0 and y%2==1]>>> 62.1 ms ± 1.16 ms per loop (mean ± std. dev. of 5 runs, 50 loops each)案例 3：香草嵌套 for 循環(huán)%%timeit -n 50 -r 5lst = []for x in range(1000):    for y in range(1000):       if x%2 == 0 and y%2 == 1:           lst.append((x,y))>>> 72 ms ± 769 μs per loop (mean ± std. dev. of 5 runs, 50 loops each)案例 4：使用 itertools.product 進(jìn)行 for 循環(huán)%%timeit -n 50 -r 5lst = []for x, y in itertools.product(range(1000),range(1000)):    if x%2==0 and y%2==1:        lst.append((x,y))>>> 74.5 ms ± 2.13 ms per loop (mean ± std. dev. of 5 runs, 50 loops each)但是，我想，這部分文檔聲稱比普通for循環(huán)有更好的性能。另外，case-2不應(yīng)該比case-1快嗎？在case-3和case-4itertools.product中，隨著迭代大小的增加，性能差異會變得更糟。這里發(fā)生了什么？另外，請?zhí)砑右恍﹊tertools.product可能比 listcomp 或嵌套 for 循環(huán)更好的示例。