创建批处理并将函数应用于python列表的内存高效且最快的方法

Question

我需要创建一批5，并在内存高效且最快的方式。我需要避免两个步骤来进行批处理。我需要用最有效、最致命的方式一步到位。请以有效的方式帮助做这件事

示例代码：

import json
from uuid import uuid4
rows = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
rowlist = [r*r for r in rows]
records = [{'Data': json.dumps(rowlist[i:i + 5]), 'PartitionKey': str(uuid4())} for i in range(0, len(rowlist), 5)]
print(records)

结果：

[{'Data': '[1, 4, 9, 16, 25]', 'PartitionKey': '73ba1cba-248c-4b26-982e-1d902627bfe6'}, {'Data': '[36, 49, 64, 81, 100]', 'PartitionKey': '02a986bf-0495-4620-a3d4-0f0b91cd24d6'}, {'Data': '[121, 144, 169, 196, 225]', 'PartitionKey': 'a0ef674e-95f3-4cb0-8e0b-ad052f7726bf'}]

Answer 1

如果您有内存问题，可以尝试将所有内容作为迭代器进行维护，直到最后一刻。然后，您可以一次迭代一个项目，或者如果您想尝试制作最终列表，请调用list(records)：

(我删除了json和uuid以使结构更清晰(：

rows = [1,2,3,4,5,6,7,8,9,10,11,12,13,14,15]
sqr = lambda r: r*r
records = ({'Data': group} for group in zip(*[map(sqr,rows)] * 5))
for record in records:
print(record)

打印：

{'Data': (1, 4, 9, 16, 25)}
{'Data': (36, 49, 64, 81, 100)}
{'Data': (121, 144, 169, 196, 225)}