Python中单个与多个for循环的区别？

Question

在比较以下的 python 代码示例时（这里的 300 只是个例子；实际上，假设我们需要循环处理 10,000,000 个项目）：

sum = 0
for i in xrange(0, 300):
    sum += i

与

sum = 0
for i in xrange(0, 100):
    sum += i
for i in xrange(100, 200):
    sum += i
for i in xrange(200, 300):
    sum += i

这两个版本在运行时间上是一样的吗？我遇到一个问题，我有一个很大的向量（比如说，有 10,000 个项目）。我不一定需要遍历所有的项目，除非满足某些条件（这些条件只能在第一个循环完成后才能评估，这个循环是使用前 100 个项目）。

然后，只有在满足某些条件的情况下，我才应该继续循环（这些条件只能在检查下一个 100 个项目时评估）。

同样的情况，直到我到达向量的末尾................

考虑到我可以通过检查以下点以模块化的方式解决我的问题：

{0, 100} {100, 200} {200, 300} ........ {9900, 10,000}

我只是想了解第二种方法是否和第一种方法一样高效。谢谢。

注意：这里使用 sum 是为了简单起见。实际上，所用数学运算的运行时间要大得多。这就是为什么我试图通过检查不同的编码方法来优化运行时间...

Answer 1

如果你想比较速度，可以直接给它们计时：

import timeit

chunk1 = '''
sum = 0
for i in xrange(0, 300):
    sum += i
'''

chunk2 = '''
sum = 0
for i in xrange(0, 100):
    sum += i
for i in xrange(100, 200):
    sum += i
for i in xrange(200, 300):
    sum += i
'''

timer1 = timeit.Timer(chunk1)
timer2 = timeit.Timer(chunk2)

print timer1.timeit(100000)
print timer2.timeit(100000)

我在进行 100,000 次循环时得到了这些数字：

3.44955992699
3.56597089767

从结果来看，第二段代码稍微慢了一点。

---

你可以试试用 while 循环和 break 语句，所以我理解你想做的是这个：

i = 0

while i < limit:
  stop = False

  for j in xrange(i + 100, i + 300):
    if i == foo:
      stop = True
      break

  if stop:  break
  i += 1

Answer 2

如果你不打算遍历所有的内容，那么创建一个新的生成器（xrange）的开销是非常小的。

所以，如果你有时会跳过一两个循环，第二种方法会更快。

不过，如果你的列表只有300个元素，那么这个差别就几乎可以忽略不计，可能只是几毫秒或微秒的差别。

Answer 3

你希望看到什么样的改进呢？

timeit可以帮助你观察不同之处：

$ python -m timeit 'sum = 0
> for i in xrange(0, 300):
>     sum += i'
10000 loops, best of 3: 21.8 usec per loop

$ python -m timeit 'sum = 0
> for i in xrange(0, 100):
>     sum += i
> for i in xrange(100, 200):
>     sum += i
> for i in xrange(200, 300):
>     sum += i'
10000 loops, best of 3: 22.8 usec per loop

就我个人而言，我会选择：

$ python -m timeit 'sum(xrange(300))'
100000 loops, best of 3: 5.34 usec per loop

这个例子可能不是评估你是否能优化自己代码的最佳方式，但它确实展示了如何测试一小段代码的运行时间。

记得唐纳德·克努斯关于优化的说法哦 ;-)

这里有一种方法可以让你在迭代时设置检查点，如果需要的话可以中断：

>>> for index, item in enumerate(vect):
...     results = do_stuff_with(item)
...     if index % 100 == 0 and should_we_stop(results):
...         break

更好的做法是让do_stuff_with()返回一个tuple，指示它是否完成，这样你就可以在每一次迭代中检查是否完成，而不是一直等着：

>>> for item in vect:
...     finished, results = do_stuff_with(item)
...     if finished:
...         break

再强调一下（不是双关），在没有看到你实际代码的情况下，很难说如何（甚至是否）优化你的代码！