一种非常快速的方法是以矢量化的方式进行乘法,而不是在列表上循环。Numpy已经提供了一种非常简单和方便的方法,您可以使用它。>>> import numpy as np
>>>
>>> my_list = np.array([1, 2, 3, 4, 5])
>>>
>>> my_list * 5
array([ 5, 10, 15, 20, 25])
注意,这不适用于Python的本地列表。如果您将一个数字与一个列表相乘,它将重复该数字的大小。In [15]: my_list *= 1000
In [16]: len(my_list)
Out[16]: 5000
如果你想要一个纯粹的基于Python的方法,使用列表理解基本上是最Python的方法。In [6]: my_list = [1, 2, 3, 4, 5]
In [7]: [5 * i for i in my_list]
Out[7]: [5, 10, 15, 20, 25]
除了列表理解,作为一种纯函数方法,您还可以使用内置的map()函数,如下所示:In [10]: list(map((5).__mul__, my_list))
Out[10]: [5, 10, 15, 20, 25]
此代码将my_list方法中的所有项传递给5的__mul__方法,并返回一个类似迭代器的对象(在python-3.x中)。然后,您可以使用内置函数list()将迭代器转换为list(在Python-2.x中,您不需要这样做,因为map默认返回一个list)。
基准:In [18]: %timeit [5 * i for i in my_list]
463 ns ± 10.6 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [19]: %timeit list(map((5).__mul__, my_list))
784 ns ± 10.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [20]: %timeit [5 * i for i in my_list * 100000]
20.8 ms ± 115 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [21]: %timeit list(map((5).__mul__, my_list * 100000))
30.6 ms ± 169 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
In [24]: arr = np.array(my_list * 100000)
In [25]: %timeit arr * 5
899 µs ± 4.98 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)