作者：StarryLand

來源：https://www.starky.ltd/2021/11/23/the-fastest-way-to-loop-in-python

眾所周知，Python 不是一種執行效率較高的語言。此外在任何語言中，循環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，將此操作重復執行上萬次，最終耗費的時間也將增長上萬倍。

while 和 for 是 Python 中常用的兩種實現循環的關鍵字，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?timeitdef?while_loop(n=100_000_000):i?=?0s?=?0while?i?<?n:s?+=?ii?+=?1return?sdef?for_loop(n=100_000_000):s?=?0for?i?in?range(n):s?+=?ireturn?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

這是一個簡單的求和操作，計算從 1 到 n 之間所有自然數的總和。可以看到 for 循環相比 while 要快 1.5 秒。

其中的差距主要在于兩者的機制不同。

在每次循環中，while 實際上比 for 多執行了兩步操作：邊界檢查和變量 i 的自增。即每進行一次循環，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 循環不需要執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）。當循環的次數足夠多，就出現了明顯的效率差距。

可以再增加兩個函數，在 for 循環中加上不必要的邊界檢查和自增計算：

import?timeitdef?while_loop(n=100_000_000):i?=?0s?=?0while?i?<?n:s?+=?ii?+=?1return?sdef?for_loop(n=100_000_000):s?=?0for?i?in?range(n):s?+=?ireturn?sdef?for_loop_with_inc(n=100_000_000):s?=?0for?i?in?range(n):s?+=?ii?+=?1return?sdef?for_loop_with_test(n=100_000_000):s?=?0for?i?in?range(n):if?i?<?n:passs?+=?ireturn?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，增加的邊界檢查和自增操作確實大大影響了 for 循環的執行效率。

前面提到過，Python 底層的解釋器和內置函數是用 C 語言實現的。而 C 語言的執行效率遠大于 Python。

對于上面的求等差數列之和的操作，借助于 Python 內置的 sum 函數，可以獲得遠大于 for 或 while 循環的執行效率。

import?timeitdef?while_loop(n=100_000_000):i?=?0s?=?0while?i?<?n:s?+=?ii?+=?1return?sdef?for_loop(n=100_000_000):s?=?0for?i?in?range(n):s?+=?ireturn?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，使用內置函數 sum 替代循環之后，代碼的執行效率實現了成倍的增長。

內置函數 sum 的累加操作實際上也是一種循環，但它由 C 語言實現，而 for 循環中的求和操作是由純 Python 代碼 s += i 實現的。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用到上面的求和操作中。

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

最終 math sum 的執行時間約為 2.4e-6，縮短了上百萬倍。這里的思路就是，既然循環的效率低，一段代碼要重復執行上億次。

索性直接不要循環，通過數學公式，把上億次的循環操作變成只有一步操作。效率自然得到了空前的加強。

最后的結論（有點謎語人）：

實現循環的最快方式—— —— ——就是不用循環

對于 Python 而言，則盡可能地使用內置函數，將循環中的純 Python 代碼降到最低。

參考資料

The Fastest Way to Loop in Python - mCoding? (https://youtu.be/Qgevy75co8c)

各位伙伴們好，詹帥本帥搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數據類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環和各種表達式（長文系列第②篇）

牛逼！Python函數和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結

以上是生活随笔為你收集整理的Python 实现循环的最快方式（for、while 等速度对比）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。