欧易

欧易(OKX)

国内用户最喜爱的合约交易所

火币

火币(HTX )

全球知名的比特币交易所

币安

币安(Binance)

全球用户最多的交易所

Python哪种方式循环最快,或许颠覆你的认知

2022-10-09 18:02:37 338

摘要:作者:StarryLand来源:https://www.starky.ltd/2021/11/23/the-fastest-way-to-loop-in-python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...


作者:StarryLand

来源:
https://www.starky.ltd/2021/11/23/the-fastest-way-to-loop-in-python

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。

whilefor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:

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 ", timeit.timeit(while_loop, number=1))
print("for loop ", 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 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:

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 ", timeit.timeit(while_loop, number=1))
print("for loop ", timeit.timeit(for_loop, number=1))
print("for loop with increment ",
timeit.timeit(for_loop_with_inc, number=1))
print("for loop with test ", 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forwhile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 ", timeit.timeit(while_loop, number=1))
print("for loop ", timeit.timeit(for_loop, number=1))
print("sum range ", 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。

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 ", timeit.timeit(while_loop, number=1))
print("for loop ", timeit.timeit(for_loop, number=1))
print("sum range ", timeit.timeit(sum_range, number=1))
print("math sum ", 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。

参考资料

The Fastest Way to Loop in Python - mCoding (https://youtu.be/Qgevy75co8c)

版权声明:本站所有文章皆是来自互联网,如内容侵权可以联系我们( 微信:bisheco )删除!
友情链接
币圈社群欧易官网