</p>眾所周知，Python 不是一種執行效率較高的語言。此外在任何語言中，循環都是一種非常消耗時間的操作。假如任一簡單的單步操作耗費的時間為 1 個單位，將此操作重複執行上萬次，最終耗費的時間也將增長上萬倍。
while 和 for 是 Python 中常用的兩種實作循環的關鍵字，它們的運作效率其實是有差距的。例如下面的測試程式碼：
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 looptt', timeit.timeit(while_loop, number=1))
print('for looptt', timeit.timeit(for_loop, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354這是一個簡單的求和操作，計算從 1 到 n 之間所有自然數的總和。可以看到 for 迴圈相比 while 快 1.5 秒。
其中的差距主要在於兩者的機制不同。
在每次循環中，while 實際上比 for 多執行了兩步驟操作：邊界檢查和變數 i 的自增。即每進行一次循環，while 都會做一次邊界檢查 (while i < n）和自增計算（i =1）。這兩步驟操作都是顯式的純 Python 程式碼。
for 迴圈不需要執行邊界檢查和自增操作，沒有增加明確的 Python 程式碼（純 Python 程式碼效率低於底層的 C 程式碼）。當循環的次數夠多，就出現了明顯的效率差距。
可以再增加兩個函數，在for 循環中加上不必要的邊界檢查和自增計算：
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 looptt', timeit.timeit(while_loop, number=1))
print('for looptt', timeit.timeit(for_loop, number=1))
print('for loop with incrementtt',
timeit.timeit(for_loop_with_inc, number=1))
print('for loop with testtt', timeit.timeit(for_loop_with_test, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354
# => for loop with increment4.602369500091299
# => for loop with test 4.18337869993411可以看出，增加的邊界檢查和自增操作確實大大影響了 for 迴圈的執行效率。
前面提到過，Python 底層的解釋器和內建函數是用 C 語言實現的。而 C 語言的執行效率遠大於 Python。
對於上面的求等差數列總和的操作，借助於 Python 內建的 sum 函數，可以獲得遠大於 for 或 while 迴圈的執行效率。
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 looptt', timeit.timeit(while_loop, number=1))
print('for looptt', timeit.timeit(for_loop, number=1))
print('sum rangett', timeit.timeit(sum_range, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354
# => sum range0.8658821999561042可以看到，使用內建函數 sum 替代循環之後，程式碼的執行效率實現了成倍的成長。
內建函數sum 的累加操作其實也是一種循環，但它由C 語言實現，而for 循環中的求和操作是由純Python 程式碼s = i實現的。 C > Python。
再拓展一下思考。小時候都聽過童年高斯巧妙地計算 1 到 100 總和的故事。1…100 總和等於 (1 100) * 50。這個計算方法同樣可以應用在上面的求和操作。
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 looptt', timeit.timeit(while_loop, number=1))
print('for looptt', timeit.timeit(for_loop, number=1))
print('sum rangett', timeit.timeit(sum_range, number=1))
print('math sumtt', timeit.timeit(math_sum, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354
# => sum range0.8658821999561042
# => math sum 2.400018274784088e-06最終 math sum 的執行時間約為 2.4e-6，縮短了上百萬倍。這裡的想法就是，既然循環的效率低，一段程式碼要重複執行上億次。
索性直接不要循環，透過數學公式，把上億次的循環操作變成只有一步操作。效率自然得到了空前的加強。
最後的結論（有點謎語人）：
實現循環的最快方式— — — ——就是不用循環
對於Python 而言，則盡可能地使用內建函數，將循環中的純Python 程式碼降到最低。
以上是Python 哪一種方式循環最快，或許顛覆你的認知！的詳細內容。更多資訊請關注PHP中文網其他相關文章！
