Python While循环>；比for loop快1000倍？

所以关于for循环和while循环的速度的问题以前已经被问过很多次了。for循环应该更快
但是，当我在Python 3.5.1中测试它时，结果如下：

timeit.timeit('for i in range(10000): True', number=10000)
>>> 12.697646026868842
timeit.timeit('while i<10000: True; i+=1',setup='i=0', number=10000)
>>> 0.0032265179766799434

timeit.timeit（'对于范围（10000）中的i:True'，number=10000）
>>> 12.697646026868842
timeit.timeit（'whilei>>3.638794646750142
timeit.timeit（'当我创建10k
range（）
对象时。这些对象需要一些时间才能实现。然后还必须为这些10k对象创建对象（让
for
循环迭代这些值）。接下来，
for
循环通过调用生成的迭代器来使用迭代器协议。后两个步骤也适用于列表上的
for
循环

但最重要的是，您在
while
循环测试中作弊。
while
循环只需运行一次，因为您从未将
i
重置回
0
（感谢）。实际上，您正在运行一个
，
循环，总共进行19999次比较；第一个测试运行10k次比较，其余9999个测试运行一次比较。该比较非常快：

>>> import timeit
>>> timeit.timeit('while i<10000: True; i+=1',setup='i=0', number=10000)
0.0008302750065922737
>>> (
...     timeit.timeit('while i<10000: True; i+=1', setup='i=0', number=1) +
...     timeit.timeit('10000 < 10000', number=9999)
... )
0.0008467709994874895

哎呀，一个正确运行的
虽然
实际上是慢的，但你的前提（和我的前提）就在这里

我使用了
pass
，以避免回答有关引用该对象的速度有多快的问题（速度很快，但除此之外）。我的计时速度将比您的机器快6倍

如果您想探索为什么迭代更快，可以在Python中为
for
循环的各个组件计时，首先创建
范围（）
对象：

>>> timeit.timeit('range(10000)', number=10000)
0.0036197409499436617

因此，创建10000个
range（）
对象比运行单个
循环（循环次数为10k次）所需的时间要长。
range（）
对象的创建成本高于整数

这确实涉及到全局名称查找，速度较慢，您可以通过使用
设置=“\u range=range”
然后使用
\u range（1000）
来加快查找速度；这将减少大约1/3的计时

接下来，为此创建一个迭代器；在这里，我将为使用一个本地名称，因为
for
循环不必进行哈希表查找，只需访问C函数即可。在二进制中对内存位置的硬编码引用当然要快得多：

>>> timeit.timeit('_iter(r)', setup='_iter = iter; r = range(10000)', number=10000)
0.0009729859884828329

相当快，但是；
循环迭代10k次所需的时间与单个
相同。因此创建可重用对象的成本很低。C实现速度更快。我们还没有迭代

最后，我们在迭代器对象上调用
\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu
，调用次数为10k次。这同样在C代码中完成，缓存对内部C实现的引用，但使用a，我们至少可以尝试获得

>>> timeit.timeit('n()', setup='from functools import partial; i = iter(range(10000)); n = partial(i.__next__)', number=10000) * 10000
7.759470026940107

男孩，对
iter（范围（1000））的10k次10k调用。对于
管理的循环，下一个\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

然而，它确实说明了C代码中的循环要快得多，这就是为什么
while
循环在正确执行时实际上要慢得多的原因；在字节码中求整数和进行布尔比较比在C代码中迭代
范围（）
要花更多的时间（其中CPU直接在CPU寄存器中进行递增和比较）：

>(
…timeit.timeit（'9999+1'，数字=10000**2）+
…timeit.timeit（'9999<10000'，数字=10000**2）
... )    
3.695550534990616

正是这些操作使得
而
循环慢了大约3秒


TLDR:您实际上没有正确地测试
而
循环。我早就应该注意到这一点。
您的计时不正确，
设置只执行一次，然后所有后续运行的
I
值都是
10000
。请参阅以下文档：

主语句执行的时间数。它执行
setup
语句一次，然后返回执行主语句的次数，以秒为单位作为浮点

另外，通过为每次重复打印
i
进行验证：

>>> timeit('print(i)\nwhile i<10000: True; i+=1',setup='i=0', number=5)
0
10000
10000
10000
10000

我不能很好地得到你得到的时差的规模；创建一个
范围（）
object有一个成本，只是没有那么大的成本。即使在Python2上，我也不能让它一直保持到12.7秒。啊，我的笔记本电脑只快了6倍，就是这样。你在运行什么Python？这是一个调试版本，差异更大吗？@Alex Python 3.5.1。我的笔记本电脑速度慢，所以我期望有很长的绝对时间。但是你有很大的差异吗租金相对差异？我的笔记本电脑和Martijn几乎一样。
>>> timeit.timeit('n()', setup='from functools import partial; i = iter(range(10000)); n = partial(i.__next__)', number=10000) * 10000
7.759470026940107

>>> (
...     timeit.timeit('9999 + 1', number=10000 ** 2) +
...     timeit.timeit('9999 < 10000', number=10000 ** 2)
... )    
3.695550534990616

>>> timeit('print(i)\nwhile i<10000: True; i+=1',setup='i=0', number=5)
0
10000
10000
10000
10000

>>> timeit('i=0\nwhile i<10000: True; i+=1', number=10000)
8.416439056396484
>>> timeit('for i in range(10000): True', number=10000)
5.589155912399292