这次咱们聊聊Python循环的那些事儿。循环，是编程里躲不开的话题，能让电脑重复干活。但循环写不好，效率就低。这次就专门攻克for和while循环的优化，目的就是让你的Python代码跑得溜溜的！我们会扒一扒循环的基本操作，还会搞懂一些提速的小技巧，比如列表推导式等。

循环基础：for和while

for循环和while循环，就像是两条腿走路，都能实现循环的功能，但是应用场景不太一样。

for循环，主要用在你知道要循环多少次的情况。比如，遍历一个列表：

fruits = ["apple", "banana", "cherry"]
for fruit in fruits:
print(fruit)

这代码，会把列表里的每个水果都打印出来。fruit这玩意儿，就是个变量，每次循环，它都会指向列表里的下一个元素。

while循环，适合你不知道要循环多少次，直到满足某个条件才停的情况。比如：

count = 0
while count < 5:
print(count)
    count = count + 1

这段代码会打印0到4。只要count小于5，循环就一直跑。一定要记得更新count的值，要不然就死循环了！

循环提速大法：告别蜗牛速

循环写起来简单，但是效率是个大问题。特别是数据量大了以后，稍微不注意，代码就卡成PPT。所以，优化循环很重要！

# 列表推导式：一行代码搞定循环

列表推导式，是个好东西，能让你用一行代码就搞定循环和列表创建。比如，你要创建一个包含0到9的平方的列表，普通循环是这样的：

squares = []
for i inrange(10):
    squares.append(i * i)
print(squares)

用列表推导式，就一行：

squares = [i * i for i inrange(10)]
print(squares)

是不是简洁多了？而且，列表推导式通常比普通循环快。

# 使用生成器：省内存，速度快

生成器，是个更高级的玩意儿。它不会一次性把所有结果都算出来，而是用到的时候才算。这在处理大数据的时候，能省不少内存。

defsquare_generator(n):
for i inrange(n):
yield i * i

for square in square_generator(10):
print(square)

这里，square_generator就是一个生成器函数。它用yield关键字来返回一个值，而不是用return。每次循环，它才会计算下一个平方数。

温馨提示：生成器只能用一次，用完了就没了。

# 避免在循环里做重复计算

有些计算，其实在循环外就可以搞定，没必要每次都算一遍。比如：

length = len(my_list)
for i inrange(length):
print(my_list[i])

这里，len(my_list)只算一次就够了。

# 善用内置函数：能偷懒就偷懒

Python有很多内置函数，比如map、filter，它们通常都比自己写的循环快。

map函数，能对一个序列里的每个元素都执行一个函数：

numbers = [1, 2, 3, 4, 5]
squared_numbers = list(map(lambda x: x * x, numbers))
print(squared_numbers)

filter函数，能过滤掉序列里不符合条件的元素：

numbers = [1, 2, 3, 4, 5]
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers)

这些内置函数，底层通常都是用C语言实现的，速度比Python循环快多了。

# 优化while循环条件：减少不必要的判断

while循环的条件，也会影响效率。尽量让条件简单明了，避免复杂的计算。

错误示范：

i = 0
while i < len(my_list) and my_list[i] != target:
    i += 1

如果i已经超出了列表的范围，my_list[i]就会报错。应该先判断i是否越界。

# Numba加速：终极提速方案

如果上面的方法还不够快，可以试试Numba。Numba是一个即时编译器，能把Python代码编译成机器码，速度提升非常明显。

from numba import njit

@njit
defmy_loop(n):
    result = 0
for i inrange(n):
        result += i
return result

print(my_loop(10000000))

只需要在函数上面加个@njit装饰器，Numba就会自动把这个函数编译成机器码。第一次运行会慢一点，因为要编译，但是后面就会快很多。

实战演练：优化一个复杂循环

假设我们要计算一个列表里所有正数的平方和。用普通循环是这样的：

numbers = [-2, -1, 0, 1, 2, 3]
sum_of_squares = 0
for number in numbers:
if number > 0:
        sum_of_squares += number * number
print(sum_of_squares)

用列表推导式和sum函数，可以这样写：

numbers = [-2, -1, 0, 1, 2, 3]
sum_of_squares = sum([number * number for number in numbers if number > 0])
print(sum_of_squares)

这样代码更简洁，效率也更高。

一些小建议：平时写代码的时候，多想想有没有更高效的写法。可以多看看别人的代码，学习他们的技巧。

循环之外：其他优化思路

除了优化循环本身，还可以考虑其他的优化思路。比如，用并行计算来加速循环，或者用更高效的数据结构来存储数据。这些都超出这次的范围了，以后有机会再聊。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。