Python实现循环的最快方式（for、while等速度对比）

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CSDN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《CSDN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