Python中最快的循環(huán)姿勢實例詳解

更新時間：2021年11月01日 10:40:42 作者：somenzz

python給我們提供了多個循環(huán)方法,比如while循環(huán)、for循環(huán)等,下面這篇文章主要給大家介紹了關于Python中最快的循環(huán)姿勢,需要的朋友可以參考下

各種姿勢

比如說有一個簡單的任務，就是從 1 累加到 1 億，我們至少可以有 7 種方法來實現(xiàn)，列舉如下：

1、while 循環(huán)

def while_loop(n=100_000_000):
    i = 0
    s = 0
    while i < n:
        s += i
        i += 1
    return s

2、for 循環(huán)

def for_loop(n=100_000_000):
    s = 0
    for i in range(n):
        s += i
    return s

3、sum range

def sum_range(n=100_000_000):
    return sum(range(n))

4、sum generator（生成器）

def sum_generator(n=100_000_000):
    return sum(i for i in range(n))

5、sum list comprehension（列表推導式）

def sum_list_comp(n=100_000_000):
    return sum([i for i in range(n)])

6、sum numpy

import numpy
def sum_numpy(n=100_000_000):
    return numpy.sum(numpy.arange(n, dtype=numpy.int64))

7、sum numpy python range

import numpy
def sum_numpy_python_range(n=100_000_000):
    return numpy.sum(range(n))

上述 7 種方法得到的結果是一樣的，但是消耗的時間卻各不相同，你可以猜測一下哪一個方法最快，然后看下面代碼的執(zhí)行結果：

import timeit
 
def main():
    l_align = 25
    print(f'{"1、while 循環(huán)":<{l_align}} {timeit.timeit(while_loop, number=1):.6f}')
    print(f"{'2、for 循環(huán)':<{l_align}}  {timeit.timeit(for_loop, number=1):.6f}")
    print(f'{"3、sum range":<{l_align}} {timeit.timeit(sum_range, number=1):.6f}')
    print(f'{"4、sum generator":<{l_align}} {timeit.timeit(sum_generator, number=1):.6f}')
    print(f'{"5、sum list comprehension":<{l_align}} {timeit.timeit(sum_list_comp, number=1):.6f}')
    print(f'{"6、sum numpy":<{l_align}} {timeit.timeit(sum_numpy, number=1):.6f}')
    print(f'{"7、sum numpy python range":<{l_align}} {timeit.timeit(sum_numpy_python_range, number=1):.6f}')
 
if __name__ == '__main__':
    main()

執(zhí)行結果如下所示：

比較快的姿勢

for 比 while 塊

for 和 while 本質上在做相同的事情，但是 while 是純 Python 代碼，而 for 是調(diào)用了 C 擴展來對變量進行遞增和邊界檢查，我們知道 CPython 解釋器就是 C 語言編寫的，Python 代碼要比 C 代碼慢，而 for 循環(huán)代表 C，while 循環(huán)代表 Python，因此 for 比 while 快。

numpy 內(nèi)置的 sum 要比 Python 的 sum 快

numpy 主要是用 C 編寫的，相同的功能，肯定是 numpy 的快，類似的，numpy 的 arange 肯定比 Python 的 range 快。

交叉使用會更慢

numpy 的 sum 與 Python 的 range 結合使用，結果耗時最長，見方法 7。最好是都使用 numpy 包來完成任務，像方法 6。

生成器比列表推導式更快

生成器是惰性的，不會一下子生成 1 億個數(shù)字，而列表推導式會一下子申請全部的數(shù)字，內(nèi)存占有較高不說，還不能有效地利用緩存，因此性能稍差。