Python?實現(xiàn)循環(huán)最快方式（for、while?等速度對比）
文章轉(zhuǎn)自微信公眾號-Python之禪
眾所周知，Python 不是一種執(zhí)行效率較高的語言。此外在任何語言中，循環(huán)都是一種非常消耗時間的操作。假如任意一種簡單的單步操作耗費的時間為 1 個單位，將此操作重復(fù)執(zhí)行上萬次，最終耗費的時間也將增長上萬倍。
while 和 for 是 Python 中常用的兩種實現(xiàn)循環(huán)的關(guān)鍵字，它們的運行效率實際上是有差距的。
比如下面的測試代碼：
import timeit
def while_loop(n=100_000_000):
? ? i = 0
? ? s = 0
? ? while i < n:
? ? ? ? s += i
? ? ? ? i += 1
? ? return s
def for_loop(n=100_000_000):
? ? s = 0
? ? for i in range(n):
? ? ? ? s += i
? ? return s
def main():
? ? print('while loop\t\t', timeit.timeit(while_loop, number=1))
? ? print('for loop\t\t', timeit.timeit(for_loop, number=1))
if __name__ == '__main__':
? ? main()
# => while loop ? ? ? ? ? ? ? 4.718853999860585
# => for loop ? ? ? ? ? ? ? ? 3.211570399813354這是一個簡單的求和操作，計算從 1 到 n 之間所有自然數(shù)的總和?？梢钥吹?for 循環(huán)相比 while 要快 1.5 秒。
其中的差距主要在于兩者的機制不同。
在每次循環(huán)中，while 實際上比 for 多執(zhí)行了兩步操作：邊界檢查和變量 i 的自增。即每進行一次循環(huán)，while 都會做一次邊界檢查(while i < n）和自增計算（i +=1）。這兩步操作都是顯式的純 Python 代碼。
for 循環(huán)不需要執(zhí)行邊界檢查和自增操作，沒有增加顯式的 Python 代碼（純 Python 代碼效率低于底層的 C 代碼）。當(dāng)循環(huán)的次數(shù)足夠多，就出現(xiàn)了明顯的效率差距。
可以再增加兩個函數(shù)，在 for 循環(huán)中加上不必要的邊界檢查和自增計算：
import timeit
def while_loop(n=100_000_000):
? ? i = 0
? ? s = 0
? ? while i < n:
? ? ? ? s += i
? ? ? ? i += 1
? ? return s
def for_loop(n=100_000_000):
? ? s = 0
? ? for i in range(n):
? ? ? ? s += i
? ? return s
def for_loop_with_inc(n=100_000_000):
? ? s = 0
? ? for i in range(n):
? ? ? ? s += i
? ? ? ? i += 1
? ? return s
def for_loop_with_test(n=100_000_000):
? ? s = 0
? ? for i in range(n):
? ? ? ? if i < n:
? ? ? ? ? ? pass
? ? ? ? s += i
? ? return s
def main():
? ? print('while loop\t\t', timeit.timeit(while_loop, number=1))
? ? print('for loop\t\t', timeit.timeit(for_loop, number=1))
? ? print('for loop with increment\t\t',
? ? ? ? ? timeit.timeit(for_loop_with_inc, number=1))
? ? print('for loop with test\t\t', timeit.timeit(for_loop_with_test, number=1))
if __name__ == '__main__':
? ? main()
# => while loop ? ? ? ? ? ? ? 4.718853999860585
# => for loop ? ? ? ? ? ? ? ? 3.211570399813354
# => for loop with increment ? ? ? ? ?4.602369500091299
# => for loop with test ? ? ? ? ? ? ? 4.18337869993411可以看出，增加的邊界檢查和自增操作確實大大影響了 for 循環(huán)的執(zhí)行效率。
前面提到過，Python 底層的解釋器和內(nèi)置函數(shù)是用 C 語言實現(xiàn)的。而 C 語言的執(zhí)行效率遠大于 Python。
對于上面的求等差數(shù)列之和的操作，借助于 Python 內(nèi)置的 sum 函數(shù)，可以獲得遠大于 for 或 while 循環(huán)的執(zhí)行效率。
import timeit
def while_loop(n=100_000_000):
? ? i = 0
? ? s = 0
? ? while i < n:
? ? ? ? s += i
? ? ? ? i += 1
? ? return s
def for_loop(n=100_000_000):
? ? s = 0
? ? for i in range(n):
? ? ? ? s += i
? ? return s
def sum_range(n=100_000_000):
? ? return sum(range(n))
def main():
? ? print('while loop\t\t', timeit.timeit(while_loop, number=1))
? ? print('for loop\t\t', timeit.timeit(for_loop, number=1))
? ? print('sum range\t\t', timeit.timeit(sum_range, number=1))
if __name__ == '__main__':
? ? main()
# => while loop ? ? ? ? ? ? ? 4.718853999860585
# => for loop ? ? ? ? ? ? ? ? 3.211570399813354
# => sum range ? ? ? ? ? ? ? ?0.8658821999561042可以看到，使用內(nèi)置函數(shù) sum 替代循環(huán)之后，代碼的執(zhí)行效率實現(xiàn)了成倍的增長。
內(nèi)置函數(shù) sum 的累加操作實際上也是一種循環(huán)，但它由 C 語言實現(xiàn)，而 for 循環(huán)中的求和操作是由純 Python 代碼 s += i 實現(xiàn)的。C > Python。
再拓展一下思維。小時候都聽說過童年高斯巧妙地計算 1 到 100 之和的故事。1…100 之和等于 (1 + 100) * 50。這個計算方法同樣可以應(yīng)用到上面的求和操作中。
import timeit
def while_loop(n=100_000_000):
? ? i = 0
? ? s = 0
? ? while i < n:
? ? ? ? s += i
? ? ? ? i += 1
? ? return s
def for_loop(n=100_000_000):
? ? s = 0
? ? for i in range(n):
? ? ? ? s += i
? ? return s
def sum_range(n=100_000_000):
? ? return sum(range(n))
def math_sum(n=100_000_000):
? ? return (n * (n - 1)) // 2
def main():
? ? print('while loop\t\t', timeit.timeit(while_loop, number=1))
? ? print('for loop\t\t', timeit.timeit(for_loop, number=1))
? ? print('sum range\t\t', timeit.timeit(sum_range, number=1))
? ? print('math sum\t\t', timeit.timeit(math_sum, number=1))
if __name__ == '__main__':
? ? main()
# => while loop ? ? ? ? ? ? ? 4.718853999860585
# => for loop ? ? ? ? ? ? ? ? 3.211570399813354
# => sum range ? ? ? ? ? ? ? ?0.8658821999561042
# => math sum ? ? ? ? ? ? ? ? 2.400018274784088e-06最終math sum 的執(zhí)行時間約為 2.4e-6，縮短了上百萬倍。這里的思路就是，既然循環(huán)的效率低，一段代碼要重復(fù)執(zhí)行上億次。
索性直接不要循環(huán)，通過數(shù)學(xué)公式，把上億次的循環(huán)操作變成只有一步操作。效率自然得到了空前的加強。
最后的結(jié)論：
實現(xiàn)循環(huán)的最快方式—— —— ——就是不用循環(huán)
對于 Python 而言，則盡可能地使用內(nèi)置函數(shù)，將循環(huán)中的純 Python 代碼降到最低。
當(dāng)然，內(nèi)置函數(shù)在某些情況下還不是最快的。比如在創(chuàng)建列表的時候，是字面量寫法的速度更快
到此這篇關(guān)于Python 實現(xiàn)循環(huán)最快方式（for、while 等速度對比）的文章就介紹到這了,更多相關(guān)Python 實現(xiàn)循環(huán)最快方式內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
參考資料：
The Fastest Way to Loop in Python - mCoding (https://youtu.be/Qgevy75co8c)
相關(guān)文章
本文主要介紹了python繪制二維直方圖的代碼實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-07-07
Python3 列表 序列是Python中最基本的數(shù)據(jù)結(jié)構(gòu)，下面這篇文章主要給大家介紹了關(guān)于Python3學(xué)習(xí)筆記之列表方法的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友可以參考下。2017-10-10
本文主要介紹了NumPy矩陣乘法的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
本文給大家分享的是在Python中使用延遲計算來提升性能的方法，非常的實用，有需要的小伙伴可以參考下2016-12-12
這篇文章主要介紹了python?ConfigParser庫的使用及遇到的坑，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2022-02-02
這篇文章主要介紹了使用OpenCV實現(xiàn)仿射變換—縮放功能，非常不錯，具有一定的參考借鑒價值,需要的朋友可以參考下2019-08-08
這篇文章主要為大家詳細介紹了如何基于Python編寫一個簡單的詞云制作程序,文中的示例代碼講解詳細,具有一定的學(xué)習(xí)價值,感興趣的小伙伴可以了解一下2023-10-10
這篇文章主要介紹了Python安裝whl文件過程圖解,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-02-02
這篇文章主要介紹了python 鏈接sqlserver 寫接口實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
python模塊smtplib實現(xiàn)純文本郵件發(fā)送功能
這篇文章主要為大家詳細介紹了python模塊smtplib實現(xiàn)純文本郵件發(fā)送功能，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-05-05