本文主要是介绍python循环性能pk，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

python循环性能pk

在任何一种编程语言中，循环都是非常消耗时间的操作。假设任意一种简单的单步操作耗费的时间是1个单位，将此操作重复执行上万次，最终耗费的时间也将增长上万倍。众所周知，python不是一种执行效率较高的语言，因此，我们对于python语言里的循环性能更加关注。

for和while

while和for是python中常用的两种实现循环的方法，但它们的运行效率实际上是有差距的。使用下面的测试代码：

import timeit

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


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


def main():
    print('while loop:', timeit.timeit(while_loop, number=100))
    print('for loop:', timeit.timeit(for_loop, number=100))


if __name__ == '__main__':
    main()

运行结果：

# while loop: 0.11076588099240325
# for loop: 0.03892302500025835

可以看到：一个简单的求和的循环，for循环要比while循环快很多。

是什么导致这样的差距？

首先要说明的一点是：C代码效率优于python代码，这已经是常识。同时，Python 底层的解释器和内置函数是用 C 语言实现的。

实际上，在每次循环中，while会比for多执行两步操作：边界检查和变量i的自增。即：while i < n和i += 1，并且这两步都是显示的纯python脚本。相比之下，for循环不需要这两步额外的依赖于python脚本的操作，因此效率优于while循环，并且随着循环次数不断增加，二者的运行效率差距也越来越大。

为了证实以上的解释，我们做如下的试验：

import timeit


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


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


def for_loop_with_inc(n=100):
    s = 0
    for i in range(n):
        s += i
        i += 1
    return s


def for_loop_with_test(n=100):
    s = 0
    for i in range(n):
        if i < n:
            pass
        s += i
    return s


def main():
    print('while loop\t\t', timeit.timeit(while_loop, number=10000))
    print('for loop\t\t', timeit.timeit(for_loop, number=10000))
    print('for loop with increment\t\t',
          timeit.timeit(for_loop_with_inc, number=10000))
    print('for loop with test\t\t', timeit.timeit(for_loop_with_test, number=10000))


if __name__ == '__main__':
    main()

运行结果：

# while loop		 0.08734580200689379
# for loop		 0.039982129994314164
# for loop with increment		 0.04891946600400843
# for loop with test		 0.04814562000683509

可以看到，试验的结果证实了上面的结论。

内置函数

依然使用上面的例子，python里有一个内置的函数sum()可以求和，我们来对比下sum()和循环的效率。

import timeit


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


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


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


def main():
    print('while loop\t\t', timeit.timeit(while_loop, number=10000))
    print('for loop\t\t', timeit.timeit(for_loop, number=10000))
    print('sum range\t\t', timeit.timeit(sum_range, number=10000))


if __name__ == '__main__':
    main()

运行结果：

# while loop		 0.052548438994563185
# for loop		 0.0333536260004621
# sum range		 0.00758898000640329

可以看到，sum()执行求和最快！这是因为sum()函数是内置函数，它是用c语言进行循环的，因此它比前面的while和for效率更高。

继续优化

为了解决等差数列求和这个问题，我们除了粗暴循环还有什么好的方法吗？掌握基础的数学知识就可以知道： S u m ( A n ) = a 1 + a n 2 ∗ n Sum({A_n})=\frac{a_1 + a_n}{2}*n Sum(An​)=2a1​+an​​∗n.我们来测试一下直接计算的效率。

import timeit


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


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


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


def math_sum(n=100):
    return (n * (n - 1)) // 2


def main():
    print('while loop\t\t', timeit.timeit(while_loop, number=10000))
    print('for loop\t\t', timeit.timeit(for_loop, number=10000))
    print('sum range\t\t', timeit.timeit(sum_range, number=10000))
    print('math sum\t\t', timeit.timeit(math_sum, number=10000))


if __name__ == '__main__':
    main()

运行结果：

# while loop		 0.060537102006492205
# for loop		 0.03300404299807269
# sum range		 0.007836175005650148
# math sum		 0.0013752939994446933

效率又提升了，原因很明显，我们只用一步操作就得到了结果，避免了成千上万次的循环（不管是python还是c），代码的效率自然达到了空前的提升。

最终结论

经过以上的测试，我们得到了最终的结论：实现循环的最快方式，就是不用循环。如果无法完全的避免循环，那么尽量使用python的内置函数，并且减少循环中的纯python脚本。

这篇关于python循环性能pk的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！