Python 实现循环的最快方式（forwhile 等速度对比）

Posted 2022-01-03 梦子mengy7762

众所周知，Python 不是一种执行效率较高的语言。此外在任何语言中，循环都是一种非常消耗时间的操作。假如任意一种简单的单步操作耗费的时间为 1 个单位，将此操作重复执行上万次，最终耗费的时间也将增长上万倍。

while 和 for 是 Python 中常用的两种实现循环的关键字，它们的运行效率实际上是有差距的。比如下面的测试代码：

import timeitdef while_loop(n=100_000_000):    
i = 0    
s = 0    
while i < n:        
s += i        
i += 1    
return sdef for_loop(n=100_000_000):    
s = 0    
for i in range(n):        
s += i    
return sdef 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

这是一个简单的求和操作，计算从 1 到 n 之间所有自然数的总和。可以看到 for 循环相比 while 要快 1.5 秒。最后，如果你的时间不是很紧张，并且又想快速的python提高，最重要的是不怕吃苦，建议你可以架微♥信：2121846671 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~

其中的差距主要在于两者的机制不同。

在每次循环中， while 实际上比 for 多执行了两步操作：边界检查和变量 i 的自增。即每进行一次循环，while 都会做一次边界检查 ( while i < n ）和自增计算（ i +=1 ）。这两步操作都是显式的纯 Python 代码。

for 循环不需要执行边界检查和自增操作，没有增加显式的 Python 代码（纯 Python 代码效率低于底层的 C 代码）。当循环的次数足够多，就出现了明显的效率差距。

可以再增加两个函数，在 for 循环中加上不必要的边界检查和自增计算：

import timeitdef while_loop(n=100_000_000):    
i = 0    
s = 0    
while i < n:        
s += i        
i += 1    
return sdef for_loop(n=100_000_000):    
s = 0    
for i in range(n):        
s += i    
return sdef for_loop_with_inc(n=100_000_000):    
s = 0    
for i in range(n):        
s += i        
i += 1    
return sdef for_loop_with_test(n=100_000_000):    
s = 0    
for i in range(n):        
if i < n:            
pass        
s += i    
return sdef 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，增加的边界检查和自增操作确实大大影响了 for 循环的执行效率。

前面提到过，Python 底层的解释器和内置函数是用 C 语言实现的。而 C 语言的执行效率远大于 Python。

对于上面的求等差数列之和的操作，借助于 Python 内置的 sum 函数，可以获得远大于 for 或 while 循环的执行效率。

import timeitdef while_loop(n=100_000_000):    
i = 0    
s = 0    
while i < n:        
s += i        
i += 1    
return sdef for_loop(n=100_000_000):    
s = 0    
for i in range(n):        
s += i    
return sdef 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，使用内置函数 sum 替代循环之后，代码的执行效率实现了成倍的增长。

内置函数 sum 的累加操作实际上也是一种循环，但它由 C 语言实现，而 for 循环中的求和操作是由纯 Python 代码 s += i 实现的。C > Python。

再拓展一下思维。小时候都听说过童年高斯巧妙地计算 1 到 100 之和的故事。1…100 之和等于 (1 + 100) * 50。这个计算方法同样可以应用到上面的求和操作中。

import timeitdef while_loop(n=100_000_000):    
i = 0    
s = 0    
while i < n:        
s += i        
i += 1    
return sdef for_loop(n=100_000_000):    
s = 0    
for i in range(n):        
s += i    
return sdef sum_range(n=100_000_000):    
return sum(range(n))
def math_sum(n=100_000_000):    
return (n * (n - 1)) // 2def 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

最终 math sum 的执行时间约为 2.4e-6 ，缩短了上百万倍。这里的思路就是，既然循环的效率低，一段代码要重复执行上亿次。

索性直接不要循环，通过数学公式，把上亿次的循环操作变成只有一步操作。效率自然得到了空前的加强。最后，如果你的时间不是很紧张，并且又想快速的python提高，最重要的是不怕吃苦，建议你可以架微♥信：2121846671 ，那个真的很不错，很多人进步都很快，需要你不怕吃苦哦！大家可以去添加上看一下~

最后的结论（有点谜语人）：

实现循环的最快方式—— —— —— 就是不用循环

对于 Python 而言，则尽可能地使用内置函数，将循环中的纯 Python 代码降到最低。