【Python】：实现循环的最快方式——就是不用循环

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 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 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\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 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\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。

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。

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、机器学习等学习教程。带你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python学习大礼包👈

包括：Python开发工具、Python100道练习题、Python爬虫&数据分析&人工智能&办公自动化等学习资料

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方优快云官方认证二维码或者点击链接免费领取【保证100%免费】

点击免费领取《优快云大礼包》：Python入门到进阶资料 & 实战源码 & 兼职接单方法 安全链接免费领取