用它实现Python循环快1万倍!

原创
小哥 4年前 (2022-10-16) 阅读数 2 #PYTHON

作者:StarryLand

来源:https://www.starky.ltd/2021/11/23/the-fastest-way-to-loop-in-python

众所周知,众所周知的事实是,Python 不是一种执行效率很高的语言。此外,在任何语言中,循环都是非常耗时的操作。如果任何简单的单步操作需要花费 1 如果我们重复这一操作数万次,所花费的时间最终将增加数万倍。

while 和 for 是 Python 通常用于实现循环的两个关键字在运行效率方面实际上是不同的。例如,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        , timeit.timeit(while_loop, number=1))
    print(for loop      , 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运算,它从 1 到 n 它之间的所有自然数之和可以看出 for 循环相比 while 要快 1.5 秒。

不同之处主要在于两者的作用机制不同。

在每个循环中,在每个循环中,在每个循环中 while 实际上比 for 执行两个额外的步骤:边界检查和变量 i 自我增值。也就是说,每次执行循环时,while 所有人都会做边界检查所有人都会做边界检查所有人都会做边界检查 ( while i < n )和自增运算()和自增运算( i +=1 )。这两个操作都是显式纯操作 Python 代码。

for 循环不需要执行边界检查和自递增操作,也不会添加显式 Python 代码(纯 Python 代码的效率低于基础代码的效率低于基础代码的效率 C (代码)。当循环的数量足够大时,会出现显著的效率差距。

可以再添加两个函数可以添加两个附加函数可以添加两个更多函数可以添加更多函数 for 循环添加了不必要的边界检查和自我递增计算。

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        , timeit.timeit(while_loop, number=1))
    print(for loop      , timeit.timeit(for_loop, number=1))
    print(for loop with increment       ,
          timeit.timeit(for_loop_with_inc, number=1))
    print(for loop with test        , 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

由此可见,边界检查和自增量操作的加入确实大大影响了 for 循环的执行效率。循环的执行效率。循环执行的效率。循环的执行效率。循环的执行效率。循环执行的效率。循环执行的效率。

如前所述,如前所述,如上所述,如上所述。Python 基础解释器和内置函数是使用 C 语言实现。和 C 这种语言的执行效率远远高于 Python。

对于上述求等差级数和的运算,借助于 Python 内置的 sum 函数,你可以得到更大的函数,你可以得到更大的 for 或 while 循环的执行效率。循环的执行效率。循环执行的效率。循环的执行效率。循环的执行效率。循环执行的效率。循环执行的效率。

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        , timeit.timeit(while_loop, number=1))
    print(for loop      , timeit.timeit(for_loop, number=1))
    print(sum range     , timeit.timeit(sum_range, number=1))

if __name__ == __main__:
    main()
# => while loop               4.718853999860585
# => for loop                 3.211570399813354
# => sum range                0.8658821999561042

正如您所看到的,使用内置函数可以看到使用内置函数 sum 替换循环后,代码的执行效率成倍提高。

内置函数 sum 累加运算实际上也是一个循环,但它是由 C 语言实现,而语言实现,以及 for 循环中的求和运算由纯 Python 代码 s += i 实现的。C > Python。

让你的思维更开阔一些。当你还是个孩子的时候,你就听说过童年时期的高斯巧妙的计算 1 到 100 这个故事的总和。1…100 之和等于 (1 + 100) * 50。这一计算也可应用于上述求和运算。

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 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        , timeit.timeit(while_loop, number=1))
    print(for loop      , timeit.timeit(for_loop, number=1))
    print(sum range     , timeit.timeit(sum_range, number=1))
    print(math sum      , 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 其执行时间约为 2.4e-6 这被缩短了数百万倍。这里的想法是,由于循环效率低下,一段代码必须重复执行数亿次。

干脆不直接循环,通过数学公式,把几亿次的循环运算变成只有一步的运算。效率自然得到了前所未有的提高。

最后的结论(有点令人费解)。最后的结论(有点像是个谜)。最终结论(有点令人费解)。最终结论(有点令人费解)。

实现循环的最快方式最快实现循环的最快方式 —— —— —— 不要使用循环不要使用循环只要不使用循环,也就是不使用循环

对于 Python 在内置函数的情况下,纯 Python 代码被最小化。代码被最小化。代码最小化。代码最小化。

参考资料

The Fastest Way to Loop in Python - mCoding  (https://youtu.be/Qgevy75co8c)

版权声明

所有资源都来源于爬虫采集,如有侵权请联系我们,我们将立即删除