Las varias respuestas me parecieron realmente elegantes (especialmente las de Alex Martelli) pero quería cuantificar el rendimiento de primera mano, así que preparé el siguiente script:
from itertools import repeat
N = 10000000
def payload(a):
pass
def standard(N):
for x in range(N):
payload(None)
def underscore(N):
for _ in range(N):
payload(None)
def loopiter(N):
for _ in repeat(None, N):
payload(None)
def loopiter2(N):
for _ in map(payload, repeat(None, N)):
pass
if __name__ == '__main__':
import timeit
print("standard: ",timeit.timeit("standard({})".format(N),
setup="from __main__ import standard", number=1))
print("underscore: ",timeit.timeit("underscore({})".format(N),
setup="from __main__ import underscore", number=1))
print("loopiter: ",timeit.timeit("loopiter({})".format(N),
setup="from __main__ import loopiter", number=1))
print("loopiter2: ",timeit.timeit("loopiter2({})".format(N),
setup="from __main__ import loopiter2", number=1))
También se me ocurrió una solución alternativa que se basa en la de Martelli y que se usa map()
para llamar a la función de carga útil. Bien, hice un poco de trampa al tomar la libertad de hacer que la carga útil aceptara un parámetro que se descarta: no sé si hay alguna forma de evitar esto. Sin embargo, aquí están los resultados:
standard: 0.8398549720004667
underscore: 0.8413165839992871
loopiter: 0.7110594899968419
loopiter2: 0.5891903560004721
por lo tanto, el uso del mapa produce una mejora de aproximadamente el 30% sobre el bucle estándar y un 19% adicional sobre el de Martelli.