Python 哪种方式循环最快,或许颠覆你的认知!
点击上方“AI遇见机器学习”,选择“星标”公众号
重磅干货,第一时间送达
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。
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:
import timeitdef while_loop(n=100_000_000):i = 0s = 0while i < n:s += ii += 1return sdef for_loop(n=100_000_000):s = 0for i in range(n):s += ireturn sdef 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 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 timeitdef while_loop(n=100_000_000):i = 0s = 0while i < n:s += ii += 1return sdef for_loop(n=100_000_000):s = 0for i in range(n):s += ireturn sdef for_loop_with_inc(n=100_000_000):s = 0for i in range(n):s += ii += 1return sdef for_loop_with_test(n=100_000_000):s = 0for i in range(n):if i < n:passs += ireturn sdef 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。
import timeitdef while_loop(n=100_000_000):i = 0s = 0while i < n:s += ii += 1return sdef for_loop(n=100_000_000):s = 0for i in range(n):s += ireturn sdef 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 timeitdef while_loop(n=100_000_000):i = 0s = 0while i < n:s += ii += 1return sdef for_loop(n=100_000_000):s = 0for i in range(n):s += ireturn sdef sum_range(n=100_000_000):return sum(range(n))def math_sum(n=100_000_000):return (n * (n - 1)) // 2def 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)
欢迎关注我们,看通俗干货!
Python 哪种方式循环最快,或许颠覆你的认知!相关推荐
- Python 哪种方式循环最快,或许颠覆你的认知
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 ...
- Python两种方式求多个数的最大公因数(HCF)和最小公倍数(LCM)
Python两种方式求多个数的最大公因数(HCF)和最小公倍数(LCM) 最大公因数 1. 列表排序 2. 将列表分为两部分 3. 求最大公因数的质因子 4. 得到结果 5. 完整程序 最小公倍数 另 ...
- python之四种方式读取文档
python之四种方式读取文档 第一种:读取纯文本 1:代码 # coding=utf-8 """ @author: jiajiknag 程序功能: 读取txt文件 &q ...
- python四种方式打印九九乘法表
最近学习python中刷的一道练习题,使用方法一:for内外层循环要简单些. 拆解了一下思路:a*b= ab 1找到变化的a与b,a变化范围是1-9,所以采取for循环,使用range函数 2看似b的 ...
- 三种方式循环获取水仙花数
1.定义 水仙花数(Narcissistic number)也被称为超完全数字不变数(pluperfect digital invariant, PPDI).自恋数.自幂数.阿姆斯壮数 ...
- python两种方式实现读写航拍影像JPG图片的GPS坐标
写入坐标效果 读取坐标效果 1.写入JPG坐标数据 1.1.准备数据 gps坐标文件 图片 可以查看它的属性中目前并没有坐标信息 1.2.执行脚本 第一种方法(piexif) writegps2jpg ...
- java中的强软弱虚_详解Java的四种引用——强软弱虚,颠覆你的认知!
强软弱虚 java中的数据被类型分为了两类,它们分别是基本类型和引用类型.一般我们new出来的对象都属于引用类型的范畴.我们知道java是有垃圾回收机制的一种语言,根据垃圾回收时的策略,java将对于 ...
- python最快的循环方法_【转】【Python效率】五种Pandas循环方法效率对比
[Python效率]五种Pandas循环方法效率对比 - 文兄的文章 - 知乎 https://zhuanlan.zhihu.com/p/80880493 正文: 如果你使用过Python及Panda ...
- python实现异步的几种方式_终于搞明白了,异步Python比同步Python究竟快在哪里?...
大家好,你是否听人们说过,异步 Python 代码比"普通(或同步)Python 代码更快? 果真是那样吗? 同步和异步是什么意思? Web 应用程序通常要处理许多请求,这些请求在短时间内来 ...
最新文章
- [Android Pro] ScrollView使用fillViewport设置高度为MatchParent
- 图片服务 - thumbor成像
- iPhone 12刚发布,黄牛就出动:蓝色最火,加价一千是普遍水平
- Python模块Pygame安装
- 微信打飞机java代码
- 驱动人生安装驱动计算机无法启动,驱动人生安装驱动时无法启用这个硬件解决方法 如何获得system权限...
- android模拟机神器[Genymotion]的使用
- Python语言程序设计基础教程(持续更新)
- CSS设置字体为微软雅黑 且 解决用户设备上没有该字体的问题
- android虚拟机获取root权限,Android虚拟机获取root权限
- 影片剪辑实例名的几点注意
- 感觉丧的时候,读一读曾国藩
- 分析virtio-blk+qemu+spdk环境中virtio-blk不用执行virtqueue_kick操作通知后端处理IO的原因
- 山东省计算机软件比赛,第十七届山东省大学生软件设计大赛“互联网+”组决赛成功举行...
- 重拾Java基础知识:设计模式
- 深入分析 Uniswap V3 流动性供应的数学原理
- Flutter 实现切角渐变矩形
- 數據移動時發生***識別欄位其外顯值只有當使用了資料行清單且 IDENTITY_INSERT 為 ON 時才能指定...
- Quartus 调试笔记
- 三种基于自监督深度估计的语义分割方法(arXiv 2021)
热门文章
- paper 68 :MATLAB中取整函数(fix, floor, ceil, round)的使用
- Swift2.1 语法指南——类型转换
- JDBC连接执行MySQL存储过程报空指针或权限错误
- matplotlib输出图形到网页_【Python】No.2 Numpy和Matplotlib初体验
- Java中山脉的绘制---递归方法
- linux sudo命令
- pandas pickle序列化为二进制
- api ajax解析json数据库,api ajax解析json数据库
- 智源博士后合作导师专访 | 曾毅:面向可持续发展的人工智能
- 4月书讯(下)| 美亚4.8星评,又一本口碑相传的著作来了