在python中高效地处理数字

我在Python方面遇到了一些问题。 我正在用Python（topcoder，codeforces）解决一些编程任务。有时我需要数一些东西。例如：计算字符串或其他内容中的子字符串。当我按如下方式计算时：

counter += 1

我的解决方案在一些测试中失败了。我对此进行了调查，发现我的代码应该在200000左右。我知道python中的数字是对象。我的代码试图创建200000个对象，因此超出了测试时间限制。在一个任务中，我能够优化算法，最终它需要完全低的加法。但在另一个例子中，这是不可能的，我的代码失败了，因为它应该创建许多数字对象。 我的主要语言是C#，所以我想知道，我应该如何高效地使用Python数字

我在那个里找不到任何类似的问题，所以我在问这个问题

$ python -m timeit 'counter = 0
> for _ in xrange(200000): counter += 1'
100 loops, best of 3: 9.25 msec per loop

小于10毫秒是否会对你的测试产生如此大的影响？我不这么认为

很可能

计数器+=1

指令不是瓶颈。您可能使用了错误的算法，或者以错误的方式实现了该算法

---

在时使用

：

$ python -m timeit 'counter = 0
> while counter < 200000: counter += 1'
100 loops, best of 3: 10.5 msec per loop

$python-m timeit'计数器=0
>计数器<200000时：计数器+=1'
100个循环，最好为3:10.5毫秒/循环
您的代码失败的任务是什么？我建议不是因为您使用Python编写代码，这意味着您正在超时，而是因为您的算法的复杂度太低，这意味着您正在超时（例如，问题需要一个O（nlogn）复杂度解决方案，并将超时设置为没有O（n^2）即使在Python中，任何一个O（nLogn）都可以在C++中实现。我应该在字符串中计算子串。如果需要计数200000，那么你就错了。你能提供问题链接吗？计数器+=1是原子的，需要恒定的时间，并且不会改变算法的复杂性。topcoder/codeforces中的问题更多的是算法密集型而不是语言密集型。也许你需要想出一个更好的算法。使用生成器函数（
xrange
）是展示这种计时的一种不好的方式。您应该使用裸while循环测试（计数器<20000）。生成器至少会产生堆栈帧开销。@PreetKukreti那又怎样？如果他们有开销，那么这就意味着
9.25毫秒
是一个松散的“过度计时”，这更说明了我的观点：问题不在于计数器，也不在于循环。顺便说一下：在python中，

循环比

循环慢（参见更新的答案）。@Bariku很好，它实际上强调了你的论点。而且我发现我的建议实际上比xrange慢。看来我错了。另一个经验教训是：首先是简介，然后是担忧：）+1尽管如上所述，我对其中一些编程挑战/测试套件很熟悉，其中一些套件的复杂性检查（例如）实际上具有10ms级别的粒度。我认为他们测试这些是多次运行的平均值。这可能是一个转折点，但我怀疑如果没有一些算法错误的话，它会是一个转折点。