各種姿勢(shì)

比如說(shuō)有一個(gè)簡(jiǎn)單的任務(wù)，就是從 1 累加到 1 億，我們至少可以有 7 種方法來(lái)實(shí)現(xiàn)，列舉如下：

1、while 循環(huán)

def while_loop(n=100_000_000):
 i = 0
 s = 0
 while i < n:
  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(dǎo)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(jié)果是一樣的，但是消耗的時(shí)間卻各不相同，你可以猜測(cè)一下哪一個(gè)方法最快，然后看下面代碼的執(zhí)行結(jié)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(jié)果如下所示：

比較快的姿勢(shì)

for 比 while 塊

for 和 while 本質(zhì)上在做相同的事情，但是 while 是純 Python 代碼，而 for 是調(diào)用了 C 擴(kuò)展來(lái)對(duì)變量進(jìn)行遞增和邊界檢查，我們知道 CPython 解釋器就是 C 語(yǔ)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(nèi)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(huì)更慢

numpy 的 sum 與 Python 的 range 結(jié)合使用，結(jié)果耗時(shí)最長(zhǎng)，見(jiàn)方法 7。最好是都使用 numpy 包來(lái)完成任務(wù)，像方法 6。

生成器比列表推導(dǎo)式更快

生成器是惰性的，不會(huì)一下子生成 1 億個(gè)數(shù)字，而列表推導(dǎo)式會(huì)一下子申請(qǐng)全部的數(shù)字，內(nèi)存占有較高不說(shuō)，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(duì)比了它們的性能，給出了相應(yīng)的結(jié)論

到此這篇關(guān)于Python中最快循環(huán)姿勢(shì)的文章就介紹到這了,更多相關(guān)Python最快循環(huán)姿勢(shì)內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

版權(quán)聲明：本站文章來(lái)源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來(lái)源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來(lái)源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來(lái)，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。