眾所周知，Python 不是一種執行效率較高的語言。此外在任何語言中，循環都是一種非常消耗時間的操作。
假如任意一種簡單的單步操作耗費的時間為 1 個單位，將此操作重復執行上萬次，最終耗費的時間也將增長上萬倍。
while 和 for 是 Python 中常用的兩種實現循環的關鍵字，它們的運行效率實際上是有差距的。比如下面的測試代碼：
import timeit
def while_loop(n=100_000_000):
i = 0
s = 0
while i < n:
s += i
i += 1
return s
def for_loop(n=100_000_000):
s = 0
for i in range(n):
s += i
return s
def main():
print('while loop\t\t', timeit.timeit(while_loop, number=1))
print('for loop\t\t', timeit.timeit(for_loop, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354
這是一個簡單的求和操作，計算從 1 到 n 之間所有自然數的總和。
可以看到 for 循環相比 while 要快 1.5 秒。其中的差距主要在于兩者的機制不同。
在每次循環中，while 實際上比 for 多執行了兩步操作：邊界檢查和變量 i 的自增。即每進行一次循環，while 都會做一次邊界檢查 (while i < n）和自增計算（i +=1）。這兩步操作都是顯式的純 Python 代碼。
for 循環不需要執行邊界檢查和自增操作，沒有增加顯式的 Python 代碼（純 Python 代碼效率低于底層的 C 代碼）。當循環的次數足夠多，就出現了明顯的效率差距。
可以再增加兩個函數，在 for 循環中加上不必要的邊界檢查和自增計算：
import timeit
def while_loop(n=100_000_000):
i = 0
s = 0
while i < n:
s += i
i += 1
return s
def for_loop(n=100_000_000):
s = 0
for i in range(n):
s += i
return s
def for_loop_with_inc(n=100_000_000):
s = 0
for i in range(n):
s += i
i += 1
return s
def for_loop_with_test(n=100_000_000):
s = 0
for i in range(n):
if i < n:
pass
s += i
return s
def main():
print('while loop\t\t', timeit.timeit(while_loop, number=1))
print('for loop\t\t', timeit.timeit(for_loop, number=1))
print('for loop with increment\t\t',
timeit.timeit(for_loop_with_inc, number=1))
print('for loop with test\t\t', timeit.timeit(for_loop_with_test, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354
# => for loop with increment 4.602369500091299
# => for loop with test 4.18337869993411
可以看出，增加的邊界檢查和自增操作確實大大影響了 for 循環的執行效率。
前面提到過，Python 底層的解釋器和內置函數是用 C 語言實現的。而 C 語言的執行效率遠大于 Python。
對于上面的求等差數列之和的操作，借助于 Python 內置的 sum 函數，可以獲得遠大于 for 或 while 循環的執行效率。
import timeit
def while_loop(n=100_000_000):
i = 0
s = 0
while i < n:
s += i
i += 1
return s
def for_loop(n=100_000_000):
s = 0
for i in range(n):
s += i
return s
def sum_range(n=100_000_000):
return sum(range(n))
def main():
print('while loop\t\t', timeit.timeit(while_loop, number=1))
print('for loop\t\t', timeit.timeit(for_loop, number=1))
print('sum range\t\t', timeit.timeit(sum_range, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354
# => sum range 0.8658821999561042
可以看到，使用內置函數 sum 替代循環之后，代碼的執行效率實現了成倍的增長。內置函數 sum 的累加操作實際上也是一種循環，但它由 C 語言實現，而 for 循環中的求和操作是由純 Python 代碼 s += i 實現的。C > Python。
再拓展一下思維。小時候都聽說過童年高斯巧妙地計算 1 到 100 之和的故事。1...100 之和等于 (1 + 100) * 50。這個計算方法同樣可以應用到上面的求和操作中。
import timeit
def while_loop(n=100_000_000):
i = 0
s = 0
while i < n:
s += i
i += 1
return s
def for_loop(n=100_000_000):
s = 0
for i in range(n):
s += i
return s
def sum_range(n=100_000_000):
return sum(range(n))
def math_sum(n=100_000_000):
return (n * (n - 1)) // 2
def main():
print('while loop\t\t', timeit.timeit(while_loop, number=1))
print('for loop\t\t', timeit.timeit(for_loop, number=1))
print('sum range\t\t', timeit.timeit(sum_range, number=1))
print('math sum\t\t', timeit.timeit(math_sum, number=1))
if __name__ == '__main__':
main()
# => while loop 4.718853999860585
# => for loop 3.211570399813354
# => sum range 0.8658821999561042
# => math sum 2.400018274784088e-06
最終 math sum 的執行時間約為 2.4e-6，縮短了上百萬倍。這里的思路就是，既然循環的效率低，一段代碼要重復執行上億次。
索性直接不要循環，通過數學公式，把上億次的循環操作變成只有一步操作。效率自然得到了空前的加強。
最后的結論（有點謎語人）：
實現循環的最快方式
——
——
——
就是不用循環
對于 Python 而言，則盡可能地使用內置函數，將循環中的純 Python 代碼降到最低。
