算法学习（14）(番外) 探讨Python中for循环的可替代性

本文通过对比测试，展示了在Python中不同循环方法的执行效率。实验表明，传统的for循环在处理大规模数据时，相较于列表推导式，具有更快的运行速度。

前言

上星期看到一篇推送，很标题党，“我不想用for循环”，里面提及了各种替代for循环的方法，然而，我能感觉到的，有些只是格式上的重新组织（这点也是作者自己说的，为了更好的可读性），于是，这里我想试试，是否用作者的方法，程序运行速度会快一点。

浏览微信推送的原文(传送门)

在Python里，for循环的执行速度远超while循环，这在之前已经测试过，请点这里回顾分析 (传送门)。

测试思路

选择足够大的循环规模（如 1千万数组的操作）
执行形同的逻辑，比较时间

测试代码

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Date    : 2019-04-16 09:57:40
# @Author  : Promise (promise@mail.ustc.edu.cn)
# @Link    : ${link}
# @Version : $Id$

import time


def main():
    result = []
    maxLimit = 10000000
    start = time.process_time()
    result = [i*i for i in range(maxLimit)]  # 方法1
    end = time.process_time()
    print('map时间是 t=', end - start)

    result2 = [0]*maxLimit
    start = time.process_time()
    for i in range(maxLimit):  # 方法2，正常for循环
        result2[i] = i*i
    end = time.process_time()
    print('正常for循环的时间是 t=', end - start)

    print(result == result2)

运行结果

运行结果
出乎意料，还是正常的for循环比较快…… 最后的True，是判断两个数组是不是相等。

代码分析

方法1一开始可以不用预设数组的大小，因为它的语法机制 result = [i*i for i in range(maxLimit)] # 方法1已经内置了数组大小的信息了。我也尝试了预先建立好数组，再执行，时间没差。说明，对这种方法，可以省去数组初始化而不影响运行速度。
正常的for循环，看起来代码行数增加了，但运行速度是真的快。虽然这里对于1千万的大数组，差距相差约为 $0.3 s$ , 可是，我们必须意识到，对于现代计算机，时间单位常用 $ns,\mu s$ , 所以 $s$ 是个很大的时间单位，于是，这里的差距，实际是很明显的