做个实验----在python中通过循环的方式计算1到n的累加和的计算性能谁最好

我们来玩个游戏，如果在python中计算1到n的累加和，用什么计算方式效率最高？ 我们直接上代码：

import timeit
import numpy

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 sum_numpy(n=100_000_000):
    return numpy.sum(numpy.arange(n))

def sum_math(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('sum_numpy\t\t', timeit.timeit(sum_numpy, number=1))
    print('sum_math\t\t', timeit.timeit(sum_math, number=1))

if __name__ == '__main__':
    main()

我先把运行后的结果也贴出来：

上面的代码是求0到n之间所有的数累加之和。做同样的功能，居然有这么大的性能差距。
我们先聊一下while_loop和for_loop：这两个最大的区别在i这个变量的累加，对于while_loop接口所有的操作都在python中处理的，但是for_loop接口中变量i的+1操作其实在C语言中实现，所以对于for_loop接口处理的性能会高一些。
sum_range接口中sum其实是对累加求和的内部实现，相对而言比我们自己写效率会高很多，毕竟内部会做一些优化。而sum_numpy接口比sum_range接口性能更好的原因是numpy几乎都是用C语言实现的并提供的接口，所以效率比python要高。
当然对于sum(range(n))和numpy.sum(numpy.arange(n))也需要注意，前者是一个一个的创建累加值，而后者是一下子在内存里开辟了n大小的数组，然后进行累加。所以当内存不够的时候，前者还能运行，而后者就直接崩溃了。
最后一个直接通过数学公式直接得出结果，这个不难理解，效率应该是最高的，其实工作中有些性能的优化就是这么来的，所以为什么说高端玩家，玩的是高数。
好了，今天就聊到这里，之前有小伙伴问我他的环境不能用numpy，我这里贴一个网上的教程链接：https://www.imangodoc.com/c978d423.html。