python为啥for循环只查到一次数据

Posted 2023-04-17

Python中的for循环本质上是一个迭代器，它按照指定的规则遍历序列中的每一个元素，并按照指定的步骤进行操作。所以只能对一次的数据进行查找。 参考技术A Python中的for循环会将迭代器中的每个元素依次放入变量中，当迭代完成时，循环就会终止，因此只会查到一次数据。

为啥 python 的 for 循环对于大输入如此非线性？

【中文标题】为啥 python 的 for 循环对于大输入如此非线性？

【英文标题】：Why are python's for loops so non-linear for large inputs?为什么 python 的 for 循环对于大输入如此非线性？

【发布时间】：2015-04-24 02:12:47

【问题描述】：

我在对一些 python 代码进行基准测试时发现了一些奇怪的东西。我使用以下函数来测量遍历一个空的 for 循环所需的速度：

def f(n):
    t1 = time.time()
    for i in range(n):
        pass
    print(time.time() - t1)

f(10**6) 打印大约 0.035、f(10**7) 大约 0.35、f(10**8) 大约 3.5 和 f(10**9) 大约 35。但是f(10**10)？远远超过2000。这当然是出乎意料的。为什么迭代 10 倍的元素需要 60 倍以上的时间？导致这种情况的python for 循环是什么？这是特定于 python 的，还是在很多语言中都会出现这种情况？

【问题讨论】：

如果您使用python2，您正在创建一个列表，使用timeit模块您的时间也会更好

从10**6 到10**9 有很大的不同。 指数增长

那么我认为这是因为 10^9 适合标准的 32 位整数，而 10^10 python 使用任意大小的整数。这会使每次比较都变慢。

也许python为列表分配内存。对于太多项目，操作系统正在分页到磁盘空间。

@clemos24 不在 Py3 中，range 返回一个生成器，而不是一个列表。

【参考方案1】：

当您超过10^9 时，您将超出 32 位整数范围。然后，Python3 会透明地将您移动到 ​​arbitrary precision integers，它的分配和使用速度要慢得多。

一般来说，处理如此大的数字是 Python3 比 Python2 慢得多的领域之一（在许多系统上至少有快速的 64 位整数）。从好的方面来说，它使 python 更易于使用，overflow 类型错误更少。

【讨论】：

它以 Pep237: python.org/dev/peps/pep-0237 开头，这使得 longs 具有任意精度。后来 Python3 摆脱了导致速度变慢的 int 类型。在 3.x 版本中，我相信他们一直在努力为更小的整数引入更多优化。

运行时间的实际差异似乎完全是特定于平台的。

@PadraicCunningham 我一直在尝试阅读长期实现的源代码，以确切了解何时进行了哪些优化。一个数字应该是 15 位还是 30 位当然是有选择的，但在那之后，解密这一切就变成了很多工作。

【参考方案2】：

使用timeit 的一些准确计时显示时间实际上随着输入大小而大致增加，因此您的计时似乎还有很长的路要走：

In [2]: for n in [10**6,10**7,10**8,10**9,10**10]:
               % timeit f(n)
   ...:     
10 loops, best of 3: 22.8 ms per loop
1 loops, best of 3: 226 ms per loop # roughly ten times previous
1 loops, best of 3: 2.26 s per loop # roughly ten times previous
1 loops, best of 3: 23.3 s per loop # roughly ten times previous
1 loops, best of 3: 4min 18s per loop # roughly ten times previous

使用 xrange 和 python2 我们看到比率大致相同，显然 python2 总体上要快得多，因为 python3 int 已被 long 取代：

In [5]: for n in [10**6,10**7,10**8,10**9,10**10]:
               % timeit f(n)
   ...:     
100 loops, best of 3: 11.3 ms per loop
10 loops, best of 3: 113 ms per loop
1 loops, best of 3: 1.13 s per loop
1 loops, best of 3: 11.4 s per loop
1 loops, best of 3: 1min 56s per loop

运行时间的实际差异似乎与 window's long 的大小更相关，而不是与 python 3 直接相关。当使用处理 long 与 windows 大不相同的 unix 时，差异是微不足道的，所以这是一个特定于平台的问题和蟒蛇一样多。

【讨论】：

我只是跑了另一个测试，我得到了以下结果：10**7 - 3.4924984秒，@ - 3.492617328秒，@ - 34.7125293306957秒，@ - 34.71252936832384秒，@ 987654330@ - 2190.0514266665177 秒。我们在哪个系统上运行它会有所不同吗？

@user3002473。你在用什么运行它？

@PadriacCunningham Windows 7 64 位，安装了 4.00 GB RAM 的 Intel Core i5 3.20 GHz 处理器。

@user3002473。我在具有类似规格的 Ubuntu 14.04 上。我想不出它运行如此缓慢的任何明显原因。您是否尝试过将 python 2 与 xrange 一起使用？

@user3002473，你受到窗口大小的限制，***.com/questions/384502/… 所以你得到了OverflowError。与 mu linux 机器相比，这可能是导致性能如此差的一个因素。明天我会做更多的挖掘，因为整个整数大小的解释并不能解释整个故事。如果它是特定于 python 的，我应该有类似的性能影响