有一天,我在做一些 Python 基准测试,发现了一些有趣的东西。下面是两个循环,它们或多或少执行相同的操作。循环 1 的执行时间大约是循环 2 的两倍。
循环1:
i = 0
while i < 100000000:
i += 1
循环2:
for n in range(0,100000000):
pass
为什么第一个循环慢得多?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?
看看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 个操作
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intepretor短很多,可以忽略不计。
range()
在 C 中实现,而 i += 1
是解释型的。
使用
xrange()
可以使处理大量数据的速度更快。从 Python 3.0 开始 range()
与之前相同 xrange()
。
必须说的是,while 循环中进行了大量的对象创建和销毁。
i += 1
等同于:
i = i + 1
但是因为Python ints是不可变的,所以它不会修改现有的对象;相反,它创造了一个具有新价值的全新物体。基本上是:
i = new int(i + 1) # Using C++ or Java-ish syntax
垃圾收集器也会有大量的清理工作要做。 “对象创建是昂贵的”。
更新: 有趣的。现在使用 3.11,对于低迭代次数,
for
实际上比 while
慢:
迭代 | while循环 | for循环 |
---|---|---|
1 | 55 | 109 |
5 | 23 | 26 |
10 | 18 | 16 |
1_000 | 18 | 9.2 |
1_000_000 | 18 | 11 |
(纳秒/迭代,Win 10,CPython 3.11.4,ipython %timeit)
两者在 ns/迭代超过 100 次时都相当稳定。
我认为这里的答案比其他答案建议的更微妙,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,而更少的操作发生在Python中。
更具体地说,在 for 循环情况下,C 中发生的两件事在 while 循环中由 Python 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 range(100000000)
的迭代器,后者在 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,用 C 编写的 range(100000000)
迭代器再次执行 i+=1
(或 ++i
)。
我们可以看到,正是这两者的结合,通过手动将它们添加回去来查看差异,使得 for 循环变得更快。
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()
我尝试使用数字 100000000 作为文字常量,并将其作为变量
N
,这将是更典型的。
# 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
时间非常接近for inc+test
和for pure
的差值。另请注意,在我们使用 N
变量的情况下,while
会额外减慢重复查找 N
的值,但 for
不会。
这种微不足道的修改可以导致超过 3 倍的代码加速,这真的很疯狂,但这就是适合你的 Python。当你根本可以在循环上使用内置函数时,甚至不要让我开始......
因为你在解释器中更频繁地运行用 C 编写的代码。即 i+=1 在 Python 中,速度很慢(相对而言),而 range(0,...) 是一个 C 调用,for 循环也主要在 C 中执行。
Python 的大多数内置方法调用都是作为 C 代码运行的。必须解释的代码要慢得多。就内存效率和执行速度而言,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。