這篇文章主要介紹“Python中快的循環(huán)方式有哪些”，在日常操作中，相信很多人在Python中快的循環(huán)方式有哪些問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對(duì)大家解答”Python中快的循環(huán)方式有哪些”的疑惑有所幫助！接下來，請(qǐng)跟著小編一起來學(xué)習(xí)吧！

創(chuàng)新互聯(lián)建站堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：成都網(wǎng)站設(shè)計(jì)、成都網(wǎng)站制作、外貿(mào)網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時(shí)代的安龍網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

各種姿勢(shì)

比如說有一個(gè)簡單的任務(wù)，就是從 1 累加到 1 億，我們至少可以有 7 種方法來實(shí)現(xiàn)，列舉如下：

1、while 循環(huán)

def while_loop(n=100_000_000):
i = 0
s = 0
while i < n:
s += i
i += 1
return s

2、for 循環(huán)

def for_loop(n=100_000_000):
s = 0
for i in range(n):
s += i
return s

3、sum range

def sum_range(n=100_000_000):
return sum(range(n))

4、sum generator(生成器)

def sum_generator(n=100_000_000):
return sum(i for i in range(n))

5、sum list comprehension(列表推導(dǎo)式)

def sum_list_comp(n=100_000_000):
return sum([i for i in range(n)])

6、sum numpy

import numpy
def sum_numpy(n=100_000_000):
return numpy.sum(numpy.arange(n, dtype=numpy.int64))

7、sum numpy python range

import numpy
def sum_numpy_python_range(n=100_000_000):
return numpy.sum(range(n))

上述 7 種方法得到的結(jié)果是一樣的，但是消耗的時(shí)間卻各不相同，你可以猜測(cè)一下哪一個(gè)方法最快，然后看下面代碼的執(zhí)行結(jié)果：

import timeit

def main():
l_align = 25
print(f'{"1、while 循環(huán)":<{l_align}} {timeit.timeit(while_loop, number=1):.6f}')
print(f"{'2、for 循環(huán)':<{l_align}}{timeit.timeit(for_loop, number=1):.6f}")
print(f'{"3、sum range":<{l_align}} {timeit.timeit(sum_range, number=1):.6f}')
print(f'{"4、sum generator":<{l_align}} {timeit.timeit(sum_generator, number=1):.6f}')
print(f'{"5、sum list comprehension":<{l_align}} {timeit.timeit(sum_list_comp, number=1):.6f}')
print(f'{"6、sum numpy":<{l_align}} {timeit.timeit(sum_numpy, number=1):.6f}')
print(f'{"7、sum numpy python range":<{l_align}} {timeit.timeit(sum_numpy_python_range, number=1):.6f}')

if __name__ == '__main__':
main()

執(zhí)行結(jié)果如下所示：

比較快的方式

for 比 while 塊

for 和 while 本質(zhì)上在做相同的事情，但是 while 是純 Python 代碼，而 for 是調(diào)用了 C 擴(kuò)展來對(duì)變量進(jìn)行遞增和邊界檢查，我們知道 CPython 解釋器就是 C 語言編寫的，Python 代碼要比 C 代碼慢，而 for 循環(huán)代表 C，while 循環(huán)代表 Python，因此 for 比 while 快。

numpy 內(nèi)置的 sum 要比 Python 的 sum 快

numpy 主要是用 C 編寫的，相同的功能，肯定是 numpy 的快，類似的，numpy 的 arange 肯定比 Python 的 range 快。

交叉使用會(huì)更慢

numpy 的 sum 與 Python 的 range 結(jié)合使用，結(jié)果耗時(shí)最長，見方法 7。最好是都使用 numpy 包來完成任務(wù)，像方法 6。

生成器比列表推導(dǎo)式更快

生成器是惰性的，不會(huì)一下子生成 1 億個(gè)數(shù)字，而列表推導(dǎo)式會(huì)一下子申請(qǐng)全部的數(shù)字，內(nèi)存占有較高不說，還不能有效地利用緩存，因此性能稍差。

到此，關(guān)于“Python中快的循環(huán)方式有哪些”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！