Python中最快的循环姿势实例详解
各种姿势
比如说有一个简单的任务，就是从 1 累加到 1 亿，我们至少可以有 7 种方法来实现，列举如下：
1、while 循环
def while_loop(n=100_000_000):
i = 0
s = 0
while i < n:
s += i
i += 1
return s
2、for 循环
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（列表推导式）
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 种方法得到的结果是一样的，但是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、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：
比较快的姿势
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，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。
最后
本文分享了几种遍历求和的方法，对比了它们的性能，给出了相应的结论
到此这篇关于Python中最快循环姿势的文章就介绍到这了,更多相关Python最快循环姿势内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了Python实现EXCEL表格的排序功能示例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-06-06
层次聚类就是一层一层的进行聚类，可以由上向下把大的类别（cluster）分割，叫作分裂法，这篇文章主要介绍了python实现层次聚类的方法，需要的朋友可以参考下2021-11-11
SQLAlchemy是一个功能强大的ORM（对象关系映射）工具,它提供了多种方式来生成SQL查询,包括动态SQL,下面我们就来学习一下具体的使用方法吧2024-12-12
热力图，是一种通过对色块着色来显示数据的统计图表。绘图时，需指定颜色映射的规则。本文主要用Python来实现热力图的制作，需要的可以参考一下2022-09-09
这篇文章主要介绍了Pycharm自动添加文件头注释和函数注释参数，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-10-10
Python threading和Thread模块及线程的实现
这篇文章主要介绍了Python threading和Thread模块及线程的实现，Python通过两个标准库thread和threading提供对线程的支持,threading对thread进行了封装，具体实现介绍需要的朋友可以参考一下下面文章内容2022-06-06
这篇文章主要介绍了用vscode开发python的步骤详解,本文分步骤给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-08-08
今天小编就为大家分享一篇python、Matlab求定积分的实现，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
Python机器学习之scikit-learn库中KNN算法的封装与使用方法
这篇文章主要介绍了Python机器学习之scikit-learn库中KNN算法的封装与使用方法,结合实例形式分析了scikit-learn库中KNN算法的相关调用与使用技巧,需要的朋友可以参考下2018-12-12
这篇文章主要介绍了Python闭包装饰器使用方法汇总,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2020-06-06
最新评论