亲宝软件园·资讯

展开

Python最快循环姿势 Python中最快的循环姿势实例详解

somenzz 人气:0
想了解Python中最快的循环姿势实例详解的相关内容吗,somenzz在本文为您仔细讲解Python最快循环姿势的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:python怎样实现循环,python循环语句,python循环语句for,下面大家一起来学习吧。

各种姿势

比如说有一个简单的任务,就是从 1 累加到 1 亿,我们至少可以有 7 种方法来实现,列举如下:

1、while 循环

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

2、for 循环

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(列表推导式)

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 种方法得到的结果是一样的,但是消耗的时间却各不相同,你可以猜测一下哪一个方法最快,然后看下面代码的执行结果:

import timeit
 
def main():
    l_align = 25
    print(f'{"1、while 循环":<{l_align}} {timeit.timeit(while_loop, number=1):.6f}')
    print(f"{'2、for 循环':<{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()

执行结果如下所示:

比较快的姿势

for 比 while 块

for 和 while 本质上在做相同的事情,但是 while 是纯 Python 代码,而 for 是调用了 C 扩展来对变量进行递增和边界检查,我们知道 CPython 解释器就是 C 语言编写的,Python 代码要比 C 代码慢,而 for 循环代表 C,while 循环代表 Python,因此 for 比 while 快。

numpy 内置的 sum 要比 Python 的 sum 快

numpy 主要是用 C 编写的,相同的功能,肯定是 numpy 的快,类似的,numpy 的 arange 肯定比 Python 的 range 快。

交叉使用会更慢

numpy 的 sum 与 Python 的 range 结合使用,结果耗时最长,见方法 7。最好是都使用 numpy 包来完成任务,像方法 6。

生成器比列表推导式更快

生成器是惰性的,不会一下子生成 1 亿个数字,而列表推导式会一下子申请全部的数字,内存占有较高不说,还不能有效地利用缓存,因此性能稍差。

最后

本文分享了几种遍历求和的方法,对比了它们的性能,给出了相应的结论

加载全部内容

相关教程
猜你喜欢
用户评论