Python 实现循环的最快方式(for、while 等速度对比)

时间:2021-07-24 01:00:06

Python 实现循环的最快方式(for、while 等速度对比)

众所周知,Python 不是一种执行效率较高的语言。此外在任何语言中,循环都是一种非常消耗时间的操作。假如任意一种简单的单步操作耗费的时间为 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。

while 和 for 是 Python 中常用的两种实现循环的关键字,它们的运行效率实际上是有差距的。比如下面的测试代码:

  1. import timeit
  2. def while_loop(n=100_000_000):
  3. i = 0
  4. s = 0
  5. while i < n:
  6. s += i
  7. i += 1
  8. return s
  9. def for_loop(n=100_000_000):
  10. s = 0
  11. for i in range(n):
  12. s += i
  13. return s
  14. def main():
  15. print('while loop\t\t', timeit.timeit(while_loop, number=1))
  16. print('for loop\t\t', timeit.timeit(for_loop, number=1))
  17. if __name__ == '__main__':
  18. main()
  19. # => while loop 4.718853999860585
  20. # => for loop 3.211570399813354

这是一个简单的求和操作,计算从 1 到 n 之间所有自然数的总和。可以看到 for 循环相比 while 要快 1.5 秒。

其中的差距主要在于两者的机制不同。

在每次循环中,while 实际上比 for 多执行了两步操作:边界检查和变量 i 的自增。即每进行一次循环,while 都会做一次边界检查 (while i < n)和自增计算(i +=1)。这两步操作都是显式的纯 Python 代码。

for 循环不需要执行边界检查和自增操作,没有增加显式的 Python 代码(纯 Python 代码效率低于底层的 C 代码)。当循环的次数足够多,就出现了明显的效率差距。

可以再增加两个函数,在 for 循环中加上不必要的边界检查和自增计算:

  1. import timeit
  2. def while_loop(n=100_000_000):
  3. i = 0
  4. s = 0
  5. while i < n:
  6. s += i
  7. i += 1
  8. return s
  9. def for_loop(n=100_000_000):
  10. s = 0
  11. for i in range(n):
  12. s += i
  13. return s
  14. def for_loop_with_inc(n=100_000_000):
  15. s = 0
  16. for i in range(n):
  17. s += i
  18. i += 1
  19. return s
  20. def for_loop_with_test(n=100_000_000):
  21. s = 0
  22. for i in range(n):
  23. if i < n:
  24. pass
  25. s += i
  26. return s
  27. def main():
  28. print('while loop\t\t', timeit.timeit(while_loop, number=1))
  29. print('for loop\t\t', timeit.timeit(for_loop, number=1))
  30. print('for loop with increment\t\t',
  31. timeit.timeit(for_loop_with_inc, number=1))
  32. print('for loop with test\t\t', timeit.timeit(for_loop_with_test, number=1))
  33. if __name__ == '__main__':
  34. main()
  35. # => while loop 4.718853999860585
  36. # => for loop 3.211570399813354
  37. # => for loop with increment 4.602369500091299
  38. # => for loop with test 4.18337869993411

可以看出,增加的边界检查和自增操作确实大大影响了 for 循环的执行效率。

前面提到过,Python 底层的解释器和内置函数是用 C 语言实现的。而 C 语言的执行效率远大于 Python。

对于上面的求等差数列之和的操作,借助于 Python 内置的 sum 函数,可以获得远大于 for 或 while 循环的执行效率。

  1. import timeit
  2. def while_loop(n=100_000_000):
  3. i = 0
  4. s = 0
  5. while i < n:
  6. s += i
  7. i += 1
  8. return s
  9. def for_loop(n=100_000_000):
  10. s = 0
  11. for i in range(n):
  12. s += i
  13. return s
  14. def sum_range(n=100_000_000):
  15. return sum(range(n))
  16. def main():
  17. print('while loop\t\t', timeit.timeit(while_loop, number=1))
  18. print('for loop\t\t', timeit.timeit(for_loop, number=1))
  19. print('sum range\t\t', timeit.timeit(sum_range, number=1))
  20. if __name__ == '__main__':
  21. main()
  22. # => while loop 4.718853999860585
  23. # => for loop 3.211570399813354
  24. # => sum range 0.8658821999561042

可以看到,使用内置函数 sum 替代循环之后,代码的执行效率实现了成倍的增长。

内置函数 sum 的累加操作实际上也是一种循环,但它由 C 语言实现,而 for 循环中的求和操作是由纯 Python 代码 s += i 实现的。C > Python。

再拓展一下思维。小时候都听说过童年高斯巧妙地计算 1 到 100 之和的故事。1…100 之和等于 (1 + 100) * 50。这个计算方法同样可以应用到上面的求和操作中。

  1. import timeit
  2. def while_loop(n=100_000_000):
  3. i = 0
  4. s = 0
  5. while i < n:
  6. s += i
  7. i += 1
  8. return s
  9. def for_loop(n=100_000_000):
  10. s = 0
  11. for i in range(n):
  12. s += i
  13. return s
  14. def sum_range(n=100_000_000):
  15. return sum(range(n))
  16. def math_sum(n=100_000_000):
  17. return (n * (n - 1)) // 2
  18. def main():
  19. print('while loop\t\t', timeit.timeit(while_loop, number=1))
  20. print('for loop\t\t', timeit.timeit(for_loop, number=1))
  21. print('sum range\t\t', timeit.timeit(sum_range, number=1))
  22. print('math sum\t\t', timeit.timeit(math_sum, number=1))
  23. if __name__ == '__main__':
  24. main()
  25. # => while loop 4.718853999860585
  26. # => for loop 3.211570399813354
  27. # => sum range 0.8658821999561042
  28. # => math sum 2.400018274784088e-06

最终 math sum 的执行时间约为 2.4e-6,缩短了上百万倍。这里的思路就是,既然循环的效率低,一段代码要重复执行上亿次。

索性直接不要循环,通过数学公式,把上亿次的循环操作变成只有一步操作。效率自然得到了空前的加强。

最后的结论(有点谜语人):

实现循环的最快方式—— —— ——就是不用循环

对于 Python 而言,则尽可能地使用内置函数,将循环中的纯 Python 代码降到最低。

原文地址:https://mp.weixin.qq.com/s/drCRb9Q_9DuA9-anO7qLBQ