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 rangedef 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 numpyimport numpy def sum_numpy(n=100_000_000): return numpy.sum(numpy.arange(n, dtype=numpy.int64))
7、sum numpy python rangeimport 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：
比较快的方式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。
以上就是python 中快的循环方式，你知道几种？的详细内容。