Python“ for”循环的更好方法

我们都知道，在Python中执行语句一定次数的常见方法是使用for循环。

一般的做法是

# I am assuming iterated list is redundant.
# Just the number of execution matters.
for _ in range(count):
    pass

我相信没有人会争辩说上面的代码是通用的实现，但是还有另一种选择。通过增加引用来使用Python列表创建的速度。

# Uncommon way.
for _ in [0] * count:
    pass

还有旧的while方法。

i = 0
while i < count:
    i += 1

我测试了这些方法的执行时间。这是代码。

import timeit

repeat = 10
total = 10

setup = """
count = 100000
"""

test1 = """
for _ in range(count):
    pass
"""

test2 = """
for _ in [0] * count:
    pass
"""

test3 = """
i = 0
while i < count:
    i += 1
"""

print(min(timeit.Timer(test1, setup=setup).repeat(repeat, total)))
print(min(timeit.Timer(test2, setup=setup).repeat(repeat, total)))
print(min(timeit.Timer(test3, setup=setup).repeat(repeat, total)))

# Results
0.02238852552017738
0.011760978361696095
0.06971727824807639

如果差异很小，我就不会开始，但是可以看出，速度差异是100％。如果第二种方法效率更高，为什么Python不鼓励这种用法？有没有更好的办法？

该测试是使用Windows 10和Python 3.6完成的。

遵循@Tim Peters的建议，

.
.
.
test4 = """
for _ in itertools.repeat(None, count):
    pass
"""
print(min(timeit.Timer(test1, setup=setup).repeat(repeat, total)))
print(min(timeit.Timer(test2, setup=setup).repeat(repeat, total)))
print(min(timeit.Timer(test3, setup=setup).repeat(repeat, total)))
print(min(timeit.Timer(test4, setup=setup).repeat(repeat, total)))

# Gives
0.02306803115612352
0.013021619340942758
0.06400113461638746
0.008105080015739174

这提供了一种更好的方法，这几乎回答了我的问题。

为什么这比快range，因为两者都是发电机。是因为价值永远不变吗？

使用

for _ in itertools.repeat(None, count)
    do something

获得最佳状态的一种显而易见的方法是：微小的恒定空间需求，并且每次迭代都不会创建新的对象。在幕后，C代码repeat使用本机C整数类型（不是Python整数对象！）来跟踪剩余计数。

因此，该计数需要适合平台Cssize_t类型，该类型通常最多2**31 - 1在32位盒中，在这里是64位盒中：

>>> itertools.repeat(None, 2**63)
Traceback (most recent call last):
    ...
OverflowError: Python int too large to convert to C ssize_t

>>> itertools.repeat(None, 2**63-1)
repeat(None, 9223372036854775807)

这对于我的循环来说很大;-)

第一个方法（在Python 3中）创建一个range对象，该对象可以遍历值的范围。（这就像一个生成器对象，但是您可以对其进行多次迭代。）它不占用太多内存，因为它不包含整个值范围，而仅包含当前值和最大值，并且该值一直以步长（默认为1），直到达到或超过最大值。

将的大小range(0, 1000)与的大小进行比较list(range(0, 1000))：在线尝试！。前者的内存效率很高；无论大小如何，它仅占用48个字节，而整个列表的大小则线性增加。

第二种方法虽然更快，但是却占用了我在过去所讨论的那种内存。（此外，似乎虽然0占用24个字节并None占用16个字节，但10000每个数组的大小都相同。有趣。可能是因为它们是指针）

有趣的是，[0] * 10000它小于list(range(10000))约10000，这是有道理的，因为在第一个中，所有东西都是相同的原始值，因此可以对其进行优化。

第三个也是不错的，因为它不需要另一个堆栈值（而调用则range需要在调用堆栈上另一个位置），尽管由于它慢了6倍，所以不值得。

最后一个可能是最快的，只是因为itertools这样很酷：如果我没记错的话，PI认为它使用了一些C库优化。

为方便起见，此答案提供了一个循环构造。有关使用循环的其他背景itertools.repeat的查找蒂姆·彼得斯的回答以上，亚历克斯·马尔泰利的答案在这里和雷蒙德赫廷杰的答案在这里。

# loop.py

"""
Faster for-looping in CPython for cases where intermediate integers
from `range(x)` are not needed.

Example Usage:
--------------

from loop import loop

for _ in loop(10000):
    do_something()

# or:

results = [calc_value() for _ in loop(10000)]
"""

from itertools import repeat
from functools import partial

loop = partial(repeat, None)

前两种方法需要为每次迭代分配内存块，而第三种方法只是为每次迭代分配一个步骤。

范围是一个缓慢的函数，仅当我必须运行不需要速度的小代码时才使用它range(0,50)。我认为您无法比较这三种方法；他们是完全不同的。

根据下面的评论，第一种情况仅对Python 2.7有效，在Python 3中，它的工作方式类似于xrange，并且不会为每次迭代分配一个块。我测试了一下，他是对的。