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