Python实现循环方式中哪个快,怎样比较
Admin 2022-06-01 群英技术资�
文章转自微信公众�-Python之禅
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
� for
� 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:
import timeit def while_loop(n=100_000_000): i = 0 s = 0 while i < n: s += i i += 1 return s def for_loop(n=100_000_000): s = 0 for i in range(n): s += i return s def main(): print('while loop\t\t', timeit.timeit(while_loop, number=1)) print('for loop\t\t', timeit.timeit(for_loop, number=1)) if __name__ == '__main__': main() # => while loop 4.718853999860585 # => for loop 3.211570399813354
这是一个简单的求和操作,计算从 1 � n 之间所有自然数的总和。可以看� 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�(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� 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,� for 循环中加上不必要的边界检查和自增计算�
import timeit def while_loop(n=100_000_000): i = 0 s = 0 while i < n: s += i i += 1 return s def for_loop(n=100_000_000): s = 0 for i in range(n): s += i return s def for_loop_with_inc(n=100_000_000): s = 0 for i in range(n): s += i i += 1 return s def for_loop_with_test(n=100_000_000): 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=1)) print('for loop\t\t', timeit.timeit(for_loop, number=1)) print('for loop with increment\t\t', timeit.timeit(for_loop_with_inc, number=1)) print('for loop with test\t\t', timeit.timeit(for_loop_with_test, number=1)) if __name__ == '__main__': main() # => while loop 4.718853999860585 # => for loop 3.211570399813354 # => for loop with increment 4.602369500091299 # => 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� 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� C 语言实现的。� 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� Python
内置� sum
函数,可以获得远大于 for
� while 循环的执行效率�
import timeit def while_loop(n=100_000_000): i = 0 s = 0 while i < n: s += i i += 1 return s def for_loop(n=100_000_000): s = 0 for i in range(n): s += i return s def sum_range(n=100_000_000): return sum(range(n)) def main(): print('while loop\t\t', timeit.timeit(while_loop, number=1)) print('for loop\t\t', timeit.timeit(for_loop, number=1)) print('sum range\t\t', timeit.timeit(sum_range, number=1)) if __name__ == '__main__': main() # => while loop 4.718853999860585 # => for loop 3.211570399813354 # => sum range 0.8658821999561042
可以看到,使用内置函� 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� C 语言实现,� for 循环中的求和操作是由� 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 � 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�
import timeit def while_loop(n=100_000_000): i = 0 s = 0 while i < n: s += i i += 1 return s def for_loop(n=100_000_000): s = 0 for i in range(n): s += i return s def sum_range(n=100_000_000): return sum(range(n)) def math_sum(n=100_000_000): return (n * (n - 1)) // 2 def main(): print('while loop\t\t', timeit.timeit(while_loop, number=1)) print('for loop\t\t', timeit.timeit(for_loop, number=1)) print('sum range\t\t', timeit.timeit(sum_range, number=1)) print('math sum\t\t', timeit.timeit(math_sum, number=1)) if __name__ == '__main__': main() # => while loop 4.718853999860585 # => for loop 3.211570399813354 # => sum range 0.8658821999561042 # => math sum 2.400018274784088e-06
最�math sum
的执行时间约� 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�
实现循环的最快方式—� —� ——就是不用循�
对于 Python 而言,则尽可能地使用内置函数,将循环中的� Python 代码降到最低�
当然,内置函数在某些情况下还不是最快的。比如在创建列表的时候,是字面量写法的速度更快
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:[email protected]进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容�
猜你喜欢
这篇文章主要介绍了python 获取页面所有a标签下href的值操作,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
这篇文章主要介绍了python列表:开始、结束、步长值实例,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐�
清理重复的文件清理重复文件的优化清理重复的文件已知条件:什么都不知道,只需要知道它是文件就可以了实现方法:可以从指定路径(或最上层路径)开始读取,利用 glob 读取每个文件
本文详细讲解了python爬虫之selenium模块,文中通过示例代码介绍的非常详细。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
这篇文章主要介绍json数据的存储,在Python学习中,我们可能会有存储 json数据的需求,因此下文给大家分享简单的json数据的存储操作,感兴趣的朋友可以参考,希望大家阅读完这篇文章能有所收获�
成为群英会员,开启智能安全云计算之旅
立即注册Copyright © QY Network Company Ltd. All Rights Reserved. 2003-2020 群英 版权所�
增值电信经营许可证 : B1.B2-20140078