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 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 for loop with increment4.602369500091299 # => 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 while loop 4.718853999860585 # => for loop 3.211570399813354 # => sum range0.8658821999561042
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 while loop 4.718853999860585 # => for loop 3.211570399813354 # => sum range0.8658821999561042 # => 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。
以上就是哪种python循环方式最快?的详细内容。