在python中生成元组的最快方法是什么：

我能想到的最快的方法是使用itertools函数将所有工作推送到 C 层：from itertools import chain, repeatdef make_tuple(N):    return return tuple(chain.from_iterable(zip(map(float, range(1, round(N)+1)), repeat(0.0), repeat(0.0))))repeat制作零，map(float, range(1, round(N)+1))制作非零值，将zip它们组合在一起形成三个tuple，从而chain.from_iterable扁平化从而tuple直接构建最终结果。虽然它确实涉及临时三tuple（与帕特里克的回答不同），但在 CPython 参考解释器上，它实际上根本不创建新tuple的；如果在请求下一个值时不存在对的其他引用（并且每次都释放其引用），zip则优化为将tuple来自上一个结果的重用于新结果。tuplechain.from_iterable为了与其他答案进行比较，微ipython基准测试为N150：>>> %timeit -r5 make_tuple(150)28.1 µs ± 1.67 µs per loop (mean ± std. dev. of 5 runs, 10000 loops each)>>> %timeit -r5 make_tuple_tim_peters(150)17.1 µs ± 52 ns per loop (mean ± std. dev. of 5 runs, 100000 loops each)>>> %timeit -r5 make_tuple_julien(150)154 µs ± 1.85 µs per loop (mean ± std. dev. of 5 runs, 10000 loops each)>>> %timeit -r5 tuple(values_patrick_haugh(150))  # Modified to convert to float properly40.7 µs ± 1.29 µs per loop (mean ± std. dev. of 5 runs, 10000 loops each)我尝试了一些其他方法，类似于我上面的 listcomps 和 genexprs 自己的方法，但没有一个低于 40 µs，所以我没有费心发布它们。Tim Peter 的解决方案绝对是迄今为止发布的最快的解决方案，并且不太可能被改进。正如他所指出的，它需要更多的内存，因为在内存使用高峰期，它需要存储整个结果tuple和临时结果list（尽管每个都应该精确调整大小，没有过度分配），这意味着容器的峰值内存大约是两倍是“需要”的。我的确实需要tuple在进行时进行过度分配（因为它不知道结果会有多大），在当前的 CPython 中，作为一个实现细节，这意味着过度分配大约 25%。节省，但不是很大；如果性能很重要，我几乎总是采用 Tim 的解决方案。后来的更新：我最终设法找到了打败 Tim 答案的东西，但只能求助于numpy，而且增量改进非常微不足道：from numpy import arange, zerosdef make_tuple_numpy(N):    ret = zeros(3*round(N))    ret[::3] = arange(1., N+1.)    return tuple(ret.tolist())它与 Tim 的回答基本相同，它只是用来numpy批量处理原始 C 原始类型的工作（例如，np.arange直接以浮点形式生成一个范围，而无需创建一堆 Python ints 仅将它们转换为floats），使用tolist方法在不涉及 Python 迭代器的情况下numpy执行转换list，然后包装在tuple构造函数中（特殊情况list，因此再次不涉及迭代器）。即便如此，优势也很微不足道：>>> %timeit -r5 make_tuple_numpy(150)13.8 µs ± 158 ns per loop (mean ± std. dev. of 5 runs, 100000 loops each)这是在约20％，而蒂姆的解决方案运行时间进一步减少，但除非你做这样的很多，进口的成本numpy可能消除了节约。

在python中生成元组的最快方法是什么：

3回答