Python 中快的循环方式，你知道几种？

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。

各种姿势

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):

return numpy.sum(range(n))

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、云服务器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：

比较快的方式

for 比 while 块

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 内置的 sum 要比 Python 的 sum 快

numpy 主要是用 C 编写的，相同的功能，云服务器提供商肯定是 numpy 的快，类似的，numpy 的 arange 肯定比 Python 的 range 快。

交叉使用会更慢

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。

生成器比列表推导式更快

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。

很赞哦!（6471）