大家好,中快我是循道种 somenzz,今天我们来研究一下 Python 中最快的环方循环方式。 比如说有一个简单的式知任务,就是中快从 1 累加到 1 亿,我们至少可以有 7 种方法来实现,循道种列举如下: 1、环方while 循环def while_loop(n=100_000_000): i = 0 s = 0 while i < n: s += i i += 1 return s2、式知for 循环def for_loop(n=100_000_000): s = 0 for i in range(n): s += i return s3、中快sum rangedef sum_range(n=100_000_000): return sum(range(n))4、循道种sum generator(生成器)def sum_generator(n=100_000_000): return sum(i for i in range(n))5、环方sum list comprehension(列表推导式)def sum_list_comp(n=100_000_000): return sum([i for i in range(n)])6、式知sum numpyimport numpy def sum_numpy(n=100_000_000): return numpy.sum(numpy.arange(n,中快 dtype=numpy.int64))7、sum numpy python rangeimport numpy def sum_numpy_python_range(n=100_000_000): 上述 7 种方法得到的循道种结果是一样的,但是环方消耗的时间却各不相同,你可以猜测一下哪一个方法最快,然后看下面代码的执行结果: import timeit def main(): l_align = 25 print(f{ "1、while 循环":<{ l_align}} { timeit.timeit(while_loop, number=1):.6f}) print(f"{ 2、站群服务器for 循环:<{ 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() 执行结果如下所示: for 和 while 本质上在做相同的事情,但是 while 是纯 Python 代码,而 for 是调用了 C 扩展来对变量进行递增和边界检查,我们知道 CPython 解释器就是 C 语言编写的,Python 代码要比 C 代码慢,而 for 循环代表 C,while 循环代表 Python,因此 for 比 while 快。 numpy 主要是用 C 编写的,相同的功能,源码库肯定是 numpy 的快,类似的,numpy 的 arange 肯定比 Python 的 range 快。 numpy 的 sum 与 Python 的 range 结合使用,结果耗时最长,见方法 7。最好是都使用 numpy 包来完成任务,像方法 6。 生成器是惰性的,不会一下子生成 1 亿个数字,而列表推导式会一下子申请全部的数字,内存占有较高不说,还不能有效地利用缓存,因此性能稍差。各种姿势
比较快的方式
for 比 while 块