Python计数勿须计数

Python标准模式中执行n次循环体将导致n个整型对象的的内存分配与销毁，即使循环体并非真的需要这么多整型对象，一直以来，这让我很苦恼。

#产生100万个整数

for i in range(1000000):
    print

#每次产生一个整数

for i in xrange(1000000):
    print

是的，我知道，你会抱怨我也太容易苦恼了。range()模式是标准的，简单而又易读。其实现相比于我在循环中可能做的实际工作，确实要快得多。另外，在光明的未来，当我们都用上PyPy，这额外的百万个整型对象无论如何都会被优化掉的。

但是，无论在for循环中使用range()有多方便，"为循环创建百万个整数"仍旧多少显得有些笨拙---这个想法始终在我的脑中萦绕不去。因此，一方面，现实中我当然还是一直使用range()来编写for循环，另一方面我就在想是否存在具备更少语义开销的替代方案。

第一种替代方案，仍然创建一个长度为n的列表，但不需要创建一百万个真实的对象以供循环，而是利用列表乘法创建一个包含百万个指针项(item)的列表，所有的指针项都引用同一个项(如下所示例子中，就是无害的 None 值)

# 仅创建列表对象

for i in [None] * 1000000:
    print

这样，为了迭代，创建了一个额外的对象，概念上比较清晰，而且一些使用timeit进行的快速实验表明：这种方案显著地快于使用range()，即使还没有使用xrange()的那么快。但是，它还是必须分配正比于迭代次数的内存无用空间。

如果我们想要一种更优的解决方案，在其生命周期内，需要分配的内存少于O(n)，那该怎么做呢？好吧，假如是在十年前写这篇博文，我可以花费一整天的时间构建一系列的越来越复杂的备选方案，每个都比上述方案需要更少的对象。为了让你有个直观的体会，举例来说，其中一种可能方案是利用同轴(concentric)循环

thousand_things = [None] * 1000
for i in thousand_things:
    for j in thousand_things:
        print

这样，内存占用就降至O(n^0.5)，因为我仅使用了两个包含一千个指针的列表。是的，我知道，这样还是会创建一千个额外的迭代器对象---每个都需要在一次内部循环中被保持着---但相比将一个百万个项的列表保存在内存中，这仍是一个巨大的进步。

想想看，利用一个列表，其元素是通过简单的列表操作产生的逐步递减的二进制数，我能将这个问题的空间复杂度降至O(log n)，多么有趣啊！

但是一切并非如此---因为，当我最终在今晚坐下来准备享受这个过程，几分钟内我就发现itertools这个模块包含了一个解决方案，甚至不需要O(log n)仅需O(1)的内存使用。看好了，repeat迭代器

# 我们可以使用*None*一百万次
# 但不需要创建Python整型对象!

from itertools import repeat
for x in repeat(None, 1000000):
    print

对于C Python来说，这个方法是我们所讨论过的替代方案中最快的一种，不信的话，你就赶紧做些 timeit 实验核实一下吧。如果你是个 timeit 新手，可以使用如下所示的一个简单的命令行命令

$ python -m timeit \
>   -s 'from itertools import repeat' \
>   'for x in repeat(None, 1000000): pass'

100 loops, best of 3: 16.8 msec per loop

因此，虽然我追求的是一个并不实用的目标，却学会了一个有用的新的itertools诀窍，这一诀窍说不定哪天就会派上用场。我也可以经常将repeat()用于迭代，以防将嵌入式设备搞崩溃，毕竟嵌入式设备上每个字节都是很珍贵的。

Provide feedback