知道通常条件列表理解比相应的lambda快得多可能是有用的：

>>> import timeit
>>> timeit.Timer('[x for x in xrange(10) if (x**2 % 4) == 1]').timeit()
2.0544309616088867
>>> timeit.f = lambda x: (x**2 % 4) == 1
timeit.Timer('[x for x in xrange(10) if f(x)]').timeit()
>>> 
3.4280929565429688

(Not我知道为什么我需要在timeit命名空间中放置f。我还没有真正使用过这个模块。）

在用C语言做之前，你可以试试numpy，也许你可以把过滤变成数字运算。

numbers = [-2, -1, 0, 1, 2]

def extract_positive(numbers):
    positive_numbers = []
    for number in numbers:
        if number > 0:  # Filtering condition
            positive_numbers.append(number)
    return positive_numbers

extract_positive(numbers)

也许你的列表太大，内存放不下，你会遇到thrashing。如果源代码在文件中，你不需要一次把整个列表都放进内存。试着使用 itertools，例如：

from itertools import ifilter

def is_important(s):
   return len(s)>10

filtered_list = ifilter(is_important, open('mylist.txt'))

请注意，ifilter 返回一个快速且内存效率高的 * 迭代器 *。
Generator Tricks是大卫M. Beazley编写的教程，讲述了 * 生成器 * 的一些有趣用法。

如果你能避免创建列表摆在首位，你会更高兴。
而非

aBigList = someListMakingFunction()
filter( lambda x:x>10, aBigList )

您可能需要查看列表中的函数。

def someListMakingGenerator( ):
    for x in some source:
        yield x

那么你的过滤器就不会占用大量的内存

def myFilter( aGenerator ):
    for x in aGenerator:
        if x > 10: 
            yield x

通过使用生成器，您不会在内存中保留太多内容。

我想filter（）是您不必用C编写过滤函数就能达到的最快速度（在这种情况下，您最好用C编写整个过滤过程）。
为什么不粘贴您正在筛选的函数呢？这可能会导致更容易的优化。
阅读this关于Python中的优化，以及this关于Python/C API。

Filter会创建一个新的列表，所以如果你的原始列表很大，你可能会使用两倍的内存。如果你只需要迭代地处理结果，而不是把它作为一个真实的的随机访问列表，你可能更好地使用ifilter。

for x in itertools.ifilter(condition_func, my_really_big_list):
    do_something_with(x)

其他的速度提示是使用python内置函数，而不是你自己编写的函数。有一个itertools.ifilterfalse专门针对你需要引入lambda来否定你的检查的情况。（例如“ifilter（lambda x：而不是x.isalpha（），l）”，应该写成“ifilterfalse（字符串.isalpha，l）”）