Python的惰性求值(Lazy Evaluation)特性

假設有兩組list分別儲存班上八位同學的數學分數及物理分數，每科皆為十分滿分。我們想要找出總分超過12分的同學人數，在Python當中我們可以用zip()將其分數配對成list of tuple，再用迴圈做運算，程式碼如下。輸出結果為4，有四位同學兩科分數加總大於12分。

score_math=[random.randint(0,10) for i in range(8)]

score_phy=[random.randint(0,10) for i in range(8)]

score_table=list(zip(score_math, score_phy))

num=0

for i, j in score_table:

    _sum = i + j

    if _sum > 12:

        num += 1

print(num)

(圖一) 分數資料結構

這組程式碼有一個問題，score_table儲存的資料數值與score_math及score_phy相同，只是排列的方法不同。同一份資料用了兩份記憶體容量意味著記憶體的浪費。一種解決方法是不要產生score_table。取而代之的是在迴圈階段再作取值。比方說，輪到第一個人時，程式到score_math及score_phy找出第一筆資料(3,1)，做加總及判斷運算。接著迴圈輪到第二個人時，再到score_math及score_phy找出第二筆資料(9,5)做處理。依此類推直到所有學生的分數都處理完畢為止。要做到這樣的功能，只要在上面的程式碼拿掉zip前面的list()即可。此時變量z就不會在建立的時候被賦予值，而是等到迴圈輪到的時候再做取值的動作，這種延後取值的特性，也被稱之為Lazy Evaluation(惰性求值)。

底下我們用1,000,000筆學生資料來比較list(zip)與zip所使用的時間跟耗費的記憶體，圖二使用了list(zip)，耗費220MB, 0.216sec完成計算，圖三使用zip，僅耗費147MB, 0.152秒完成計算，兩者計算結果相同，皆為297871，所耗費的計算資源卻大不相同。惰性求值已經被廣為採用作為加速運算及減少運算資源的方法。

(圖二) 用list(zip)

(圖三) 僅用zip