Python 中最快的循環(huán)方式

↑?關注 + 星標?，每天學Python新技能
后臺回復【大禮包】送你Python自學大禮包

今天我們來研究一下 Python 中最快的循環(huán)方式。

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，列舉如下：

1、while 循環(huán)

def?while_loop(n=100_000_000):
????i?=?0
????s?=?0
????while?i?????????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：

比較快的方式

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 億個數字，而列表推導式會一下子申請全部的數字，內存占有較高不說，還不能有效地利用緩存，因此性能稍差。

最后

本文分享了幾種遍歷求和的方法，對比了它們的性能，給出了相應的結論，如果有幫助，還請點個贊哈，如果在看+轉發(fā)的話，感激涕零。

Shodan — 互聯網上最可怕的搜索引擎
秋招拿了7個offer，分享一些反思和經驗
9個很酷的CMD命令，你要知道！