(tl; dr: la réponse exacte à votre question Est numpy.empty ou numpy.empty_like, mais vous ne vous en souciez probablement pas et pouvez vous en tirer avec myList = [None]*10000.)

Méthodes Simples

Vous pouvez initialiser votre liste à tout le même élément. S'il sémantiquement judicieux d'utiliser une valeur non numérique (qui donnera une erreur plus tard si vous l'utilisez, ce qui est une bonne chose) ou quelque chose comme 0 (inhabituel? peut-être utile si vous écrivez une matrice clairsemée ou que la valeur 'default' devrait être 0 et que vous n'êtes pas inquiet A propos de bugs) est à vous:

>>> [None for _ in range(10)]
[None, None, None, None, None, None, None, None, None, None]

(ici _ est juste un nom de variable, vous auriez pu utiliser i.)

Vous pouvez aussi le faire comme ceci:

>>> [None]*10
[None, None, None, None, None, None, None, None, None, None]

Vous n'avez probablement pas besoin d'optimiser cela. Vous pouvez également ajouter au tableau chaque fois que vous en avez besoin:

>>> x = []
>>> for i in range(10):
>>>    x.append(i)

Comparaison des Performances des méthodes simples

Quel est le meilleur?

>>> def initAndWrite_test():
...  x = [None]*10000
...  for i in range(10000):
...   x[i] = i
... 
>>> def initAndWrite2_test():
...  x = [None for _ in range(10000)]
...  for i in range(10000):
...   x[i] = i
... 
>>> def appendWrite_test():
...  x = []
...  for i in range(10000):
...   x.append(i)

Résultats en python2. 7:

>>> import timeit
>>> for f in [initAndWrite_test, initAndWrite2_test, appendWrite_test]:
...  print('{} takes {} usec/loop'.format(f.__name__, timeit.timeit(f, number=1000)*1000))
... 
initAndWrite_test takes 714.596033096 usec/loop
initAndWrite2_test takes 981.526136398 usec/loop
appendWrite_test takes 908.597946167 usec/loop

Résultats en Python 3.2:

initAndWrite_test takes 641.3581371307373 usec/loop
initAndWrite2_test takes 1033.6499214172363 usec/loop
appendWrite_test takes 895.9040641784668 usec/loop

Comme nous pouvons le voir, il est probablement mieux faire l'idiome [None]*10000 dans python2 et python3. Cependant, si l'on fait quelque chose de plus compliqué que l'affectation (comme tout ce qui est compliqué à générer ou à traiter chaque élément de la liste), alors la surcharge devient une fraction insignifiante du coût. Autrement dit, une telle optimisation est prématurée à craindre si vous faites quelque chose de raisonnable avec les éléments de votre liste.

Mémoire non initialisée

Ce sont tous cependant inefficaces parce qu'ils passent par la mémoire, écrivant quelque chose dans le processus. En C, c'est différent: un tableau non initialisé est rempli de mémoire garbage aléatoire (sidenote: qui a été réaffecté du système, et peut être un risque de sécurité lorsque vous allouez ou échouez à mlock et / ou échouez à supprimer la mémoire lors de la fermeture du programme). C'est un choix de conception, conçu pour accélérer: les fabricants du langage C pensaient qu'il valait mieux ne pas initialiser automatiquement la mémoire, et c'était le choix correct.

Ce n'est pas une accélération asymptotique (parce que c'est O(N)), mais par exemple, vous n'auriez pas besoin d'initialiser tout votre bloc de mémoire avant d'écraser avec des choses qui vous intéressent réellement. Ceci, si c'était possible, équivaut à quelque chose comme (pseudo-code) x = list(size=10000).

Si vous voulez quelque chose de similaire en python, vous pouvez utiliser le paquet de manipulation numpy numerical matrix/n-dimensional-array. Plus précisément, numpy.empty ou numpy.empty_like

C'est la vraie réponse à votre question.