Python 疑难问题：[] 与 list() 哪个快？为什么快？快多少呢？

本文出自“Python为什么”系列，请查看全部文章

在日常使用 Python 时，我们经常需要创建一个列表，相信大家都很熟练了吧？

# 方法一：使用成对的方括号语法
list_a = []

# 方法二：使用内置的 list()
list_b = list()

上面的两种写法，你经常使用哪一个呢？是否思考过它们的区别呢？

让我们开门见山，直接抛出本文的问题吧：两种创建列表的 [] 与 list() 写法，哪一个更快呢，为什么它会更快呢？

注：为了简化问题，我们以创建空列表为例进行分析。关于列表的更多介绍与用法说明，可以查看这篇文章

1、 [] 是 list() 的三倍快

对于第一个问题，使用timeit模块的 timeit() 函数就能简单地测算出来：

>>> import timeit
>>> timeit.timeit('[]', number=10**7)
>>> timeit.timeit('list()', number=10**7)

如上图所示，在各自调用一千万次的情况下，[] 创建方式只花费了 0.47 秒，而 list() 创建方式要花费 1.75 秒，所以，后者的耗时是前者的 3.7 倍！

这就回答了刚才的问题：创建空列表时，[] 要比 list() 快不少。

注：timeit() 函数的效率跟运行环境相关，每次执行结果会有微小差异。我在 Python3.8 版本实验了几次，总体上 [] 速度是 list() 的 3 倍多一点。

2、list() 比 [] 执行步骤多

那么，我们继续来分析一下第二个问题：为什么 [] 会更快呢？

这一次我们可以使用dis模块的 dis() 函数，看看两者执行的字节码有何差别：

>>> from dis import dis
>>> dis("[]")
>>> dis("list()")

如上图所示，[] 的字节码有两条指令（BUILD_LIST 与 RETURN_VALUE），而 list() 的字节码有三条指令（LOAD_NAME、CALL_FUNCTION 与 RETURN_VALUE）。

这些指令意味着什么呢？该如何理解它们呢？

首先，对于 []，它是 Python 中的一组字面量（literal），像数字之类的字面量一样，表示确切的固定值。

也就是说，Python 在解析到它时，就知道它要表示一个列表，因此会直接调用解释器中构建列表的方法（对应 BUILD_LIST ），来创建列表，所以是一步到位。

而对于 list()，“list”只是一个普通的名称，并不是字面量，也就是说解释器一开始并不认识它。

因此，解释器的第一步是要找到这个名称（对应 LOAD_NAME）。它会按照一定的顺序，在各个作用域中逐一查找（局部作用域--全局作用域--内置作用域），直到找到为止，找不到则会抛出NameError。

解释器看到“list”之后是一对圆括号，因此第二步是把这个名称当作可调用对象来调用，即把它当成一个函数进行调用（对应 CALL_FUNCTION）。

因此，list() 在创建列表时，需要经过名称查找与函数调用两个步骤，才能真正开始创建列表（注：CALL_FUNCTION 在底层还会有一些函数调用过程，才能走到跟 BUILD_LIST 相通的逻辑，此处我们忽略不计）。

至此，我们就可以回答前面的问题了：因为 list() 涉及的执行步骤更多，因此它比 [] 要慢一些。

3、list() 的速度提升

看完前两个问题的解答过程，你也许觉得还不够过瘾，而且可能觉得就算知道了这个冷知识，也不会有多大的帮助，似乎那微弱的提升显得微不足道。

但是，我们Python猫出品的《Python为什么》系列一直秉承着孜孜不倦的求知精神，是不可能放着这个问题不去回答的。

而且，由于有发散性思考的习惯，我还想到了另外一个挺有意思的问题：list() 的速度能否提升呢？

我不久前写过一篇文章 正好讨论到这个问题，也就是在刚刚发布的 Python 3.9.0 版本中，它给 list() 实现了更快的 vectorcall 协议，因此执行速度会有一定的提升。

感兴趣的同学可以去 Python 官网下载 3.9 版本。

根据我多轮的测试结果，在新版本中运行 list() 一千万次，耗时大概在 1 秒左右，也就是 [] 运行耗时的 2 倍，相比于前面接近 4 倍的数据，当前版本总体上是提升了不少。

至此，我们已回答完一连串的疑问，如果你觉得有收获，请点赞支持！欢迎大家关注后续更多精彩内容。

本文属于“Python为什么”系列（Python猫出品），该系列主要关注 Python 的语法、设计和发展等话题，以一个个“为什么”式的问题为切入点，试着展现 Python 的迷人魅力。所有文章将会归档在 Github 上，欢迎大家给颗小星星，项目地址：https://github.com/chinesehua...