前几天我在做一些 Python 基准测试，遇到了一些有趣的事情。下面是两个或多或少做同样事情的循环。循环 1 的执行时间大约是循环 2 的两倍。
循环 1：
int i = 0
while i < 100000000:
i += 1
循环 2：
for n in range(0,100000000):
pass
为什么第一个循环这么慢？我知道这是一个微不足道的例子，但它激起了我的兴趣。range() 函数有什么特别之处，使其比以相同方式递增变量更有效吗？
问问题
68121 次
6 回答
173
看python字节码的反汇编，你可能会有更具体的想法
使用 while 循环：
1 0 LOAD_CONST 0 (0)
3 STORE_NAME 0 (i)
2 6 SETUP_LOOP 28 (to 37)
>> 9 LOAD_NAME 0 (i) # <-
12 LOAD_CONST 1 (100000000) # <-
15 COMPARE_OP 0 (<) # <-
18 JUMP_IF_FALSE 14 (to 35) # <-
21 POP_TOP # <-
3 22 LOAD_NAME 0 (i) # <-
25 LOAD_CONST 2 (1) # <-
28 INPLACE_ADD # <-
29 STORE_NAME 0 (i) # <-
32 JUMP_ABSOLUTE 9 # <-
>> 35 POP_TOP
36 POP_BLOCK
循环体有 10 个 op
使用范围：
1 0 SETUP_LOOP 23 (to 26)
3 LOAD_NAME 0 (range)
6 LOAD_CONST 0 (0)
9 LOAD_CONST 1 (100000000)
12 CALL_FUNCTION 2
15 GET_ITER
>> 16 FOR_ITER 6 (to 25) # <-
19 STORE_NAME 1 (n) # <-
2 22 JUMP_ABSOLUTE 16 # <-
>> 25 POP_BLOCK
>> 26 LOAD_CONST 2 (None)
29 RETURN_VALUE
循环体有 3 个 op
运行 C 代码的时间比解释器要短得多，可以忽略。
于 2009-05-15T15:27:07.807 回答
39
range()在 C 中实现，而i += 1被解释。
使用xrange()可以使它更快地处理大量数据。从 Python 3.0 开始与range()以前相同xrange()。
于 2009-05-15T15:18:02.523 回答
19
必须说，在 while 循环中进行了大量的对象创建和销毁。
i += 1
是相同的：
i = i + 1
但是因为 Python int 是不可变的，所以它不会修改现有对象；相反，它创建了一个具有新价值的全新对象。基本上是：
i = new int(i + 1) # Using C++ or Java-ish syntax
垃圾收集器还将进行大量清理工作。“对象创建很昂贵”。
于 2013-04-18T00:54:44.300 回答
7
我认为这里的答案比其他答案建议的要微妙一些，尽管它的要点是正确的：for 循环更快，因为更多的操作发生在 C 中，而在 Python 中发生的更少。
更具体地说，在 for 循环的情况下，C 中发生了两件事，而 while 循环中则在 Python 中处理：
在 while 循环中，比较
i < 100000000在 Python 中执行，而在 for 循环中，作业被传递给 的迭代器range(100000000)，该迭代器在 C 中内部执行迭代（并因此进行边界检查）。在 while 循环中，循环更新
i += 1发生在 Python 中，而在 for 循环中range(100000000)，用 C 编写的迭代器再次执行i+=1（或++i）。
我们可以看到，通过手动将它们添加回去以查看差异，正是这两者的结合使 for 循环更快。
import timeit
N = 100000000
def while_loop():
i = 0
while i < N:
i += 1
def for_loop_pure():
for i in range(N):
pass
def for_loop_with_increment():
for i in range(N):
i += 1
def for_loop_with_test():
for i in range(N):
if i < N: pass
def for_loop_with_increment_and_test():
for i in range(N):
if i < N: pass
i += 1
def main():
print('while loop\t\t', timeit.timeit(while_loop, number=1))
print('for pure\t\t', timeit.timeit(for_loop_pure, number=1))
print('for inc\t\t\t', timeit.timeit(for_loop_with_increment, number=1))
print('for test\t\t', timeit.timeit(for_loop_with_test, number=1))
print('for inc+test\t', timeit.timeit(for_loop_with_increment_and_test, number=1))
if __name__ == '__main__':
main()
我尝试了数字 100000000 一个字面常量和它是一个N更典型的变量。
# inline constant N
while loop 3.5131139
for pure 1.3211338000000001
for inc 3.5477727000000003
for test 2.5209639
for inc+test 4.697028999999999
# variable N
while loop 4.1298240999999996
for pure 1.3526357999999998
for inc 3.6060175
for test 3.1093069
for inc+test 5.4753364
如您所见，在这两种情况下，while时间都非常接近 和 的for inc+test差值for pure。另请注意，在我们使用N变量的情况下，while重复查找 的值时会额外减速N，但for不会。
如此微不足道的修改可以导致超过3 倍的代码加速，这真是太疯狂了，但那是 Python 适合你的。当你可以在循环中使用内置函数时，甚至不要让我开始......
于 2020-12-16T23:45:38.193 回答
4
因为您在解释器中更频繁地运行用 C 编写的代码。即 i+=1 在 Python 中，所以很慢（相对而言），而 range(0,...) 是一个 C 调用，for 循环也将主要在 C 中执行。
于 2009-05-15T15:15:04.013 回答
1
大多数 Python 的内置方法调用都作为 C 代码运行。必须解释的代码要慢得多。在内存效率和执行速度方面，差异是巨大的。python 内部已经优化到了极致，最好利用这些优化。
于 2009-05-15T15:39:43.110 回答