Achei as várias respostas realmente elegantes (principalmente as de Alex Martelli), mas queria quantificar o desempenho em primeira mão, então preparei o seguinte 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))
Eu também vim com uma solução alternativa que se baseia na de Martelli e usa map()
para chamar a função de carga útil. OK, enganei-me um pouco porque tive a liberdade de fazer a carga aceitar um parâmetro que é descartado: não sei se há uma maneira de contornar isso. No entanto, aqui estão os resultados:
standard: 0.8398549720004667
underscore: 0.8413165839992871
loopiter: 0.7110594899968419
loopiter2: 0.5891903560004721
portanto, o uso do mapa gera uma melhoria de aproximadamente 30% sobre o padrão para loop e de 19% extra sobre o Martelli.