在这篇博客中，我将带您了解一些比 Python 中的循环更快的替代方法。

让我们开始！

1.过滤

根据名称我们很容易猜到它的作用。它为我们过滤可迭代对象。我们将以函数的形式传递过滤条件，这个函数将用于过滤可迭代对象中的每个元素。

句法：

filter(function, iterable)

现在让我们比较python过滤器与 for 循环和 while 循环的性能。

在这里，我创建了一个包含 100000 个连续项目的列表，然后将计算偶数的阶乘。最后，我们将对这些阶乘值求和。

Note:I'm running all of these codes in google colab; depending on your system these results could vary

# 使用for循环

import math 
import time 
import resource 
import sys 

time_start = time.perf_counter() 

sys.set_int_max_str_digits( 0 ) 

def  factorial ( n ): 
   return math.factorial(n) 

test_list = list ( range ( 1 , 100000 )) 
result = [] 
for i in  range ( len (test_list)) : 
    if test_list[i] % 2 == 0 :
      result.append(test_list[i]) 
print ( sum (result)) 

time_elapsed = (time.perf_counter() - time_start) 
memMb=resource.getrusage(resource.RUSAGE_SELF).ru_maxrss/ 1024.0 / 1024.0 

print ( "%f 秒 % f MByte" % (time_elapsed,memMb)) 

# 输出
2499950000 
0.041538秒1.082287 MByte

# 使用 while 循环

import math 
import time 
import resource 
import sys 

time_start = time.perf_counter() 

sys.set_int_max_str_digits( 0 ) 

def  factorial ( n ): 
   return math.factorial(n) 

test_list = list ( range ( 1 , 100000 )) 
result = [] 
i= 0 
while i < len (test_list) : 
    if test_list[i] % 2 == 0 : 
      result.append(test_list[i])
    i = i + 1  
print ( sum (result)) 

time_elapsed = (time.perf_counter() - time_start) 
memMb=resource.getrusage(resource.RUSAGE_SELF).ru_maxrss/ 1024.0 / 1024.0 

print ( "%f secs %f MByte" %复制代码(time_elapsed,memMb)) 

# 输出
2499950000 
0.047446秒1.085056 MByte

# 使用过滤器

import math 
import time 
import resource 
import sys 

time_start = time.perf_counter() 

sys.set_int_max_str_digits( 0 ) 

def  factorial ( n ): 
   return math.factorial(n) 

test_list = list ( range ( 1 , 100000 )) 
result =过滤器( lambda x: x % 2 == 0 , test_list) 
print ( sum ((result)))

time_elapsed = (time.perf_counter() - time_start) 
memMb=resource.getrusage(resource.RUSAGE_SELF).ru_maxrss/ 1024.0 / 1024.0 

print ( "%f secs %f MByte" % (time_elapsed,memMb)) 

# 输出
2499950000 
0.022666秒1.087833兆字节

2.地图

如果您想将一个函数应用于可迭代对象（如列表、元组甚至pandas系列）的每个值，此函数非常有用。

语法：

map(function, iterable)

现在，让我们看看如何在 python 中使用 map 而不是循环。

# 使用for循环
import math 
import time 
import resource 
import sys 

time_start = time.perf_counter() 

sys.set_int_max_str_digits( 0 ) 

def  factorial ( n ): 
   return math.factorial(n) 

test_list = list ( range ( 1 , 10000 )) 
result = 0 
for i in  range ( len (test_list)) : 
    test_list[i] = factorial(test_list[i]) 
print ( sum(test_list)) 

time_elapsed = (time.perf_counter() - time_start) 
memMb=resource.getrusage(resource.RUSAGE_SELF).ru_maxrss/ 1024.0 / 1024.0

打印( "%f secs %f MByte" % (time_elapsed,memMb)) 

#output 
284654436382457541 ..................... 0420940313 
12.229430秒0.167130兆字节

# 使用 while 循环

import math 
import time 
import resource 
import sys 

time_start = time.perf_counter() 

sys.set_int_max_str_digits( 0 ) 

def  factorial ( n ): 
   return math.factorial(n) 

test_list = list ( range ( 1 , 10000 ))
结果= 0
 i= 0 
while i < len (test_list) : 
    test_list[i] = factorial(test_list[i]) 
    i = i + 1  
print (总和(test_list)) 

time_elapsed = (time.perf_counter() - time_start) 
memMb=resource.getrusage(resource.RUSAGE_SELF).ru_maxrss/ 1024.0 / 1024.0 

print ( "%f secs %f MByte" % (time_elapsed,memMb)) 

#输出
284654436382457541 ..................... .0420940313 
11.263874秒1.013439兆字节

现在，如果我们使用 map 函数运行相同的代码

# 使用 Map 

import math 
import time 
import resource 
import sys 

time_start = time.perf_counter() 

sys.set_int_max_str_digits( 0 ) 

def  factorial ( n ): 
   return math.factorial(n) 

test_list = list ( range ( 1 , 10000 )) 
result =地图（阶乘，test_list）
打印（总和（（结果）））

time_elapsed =（time.perf_counter（） - time_start）
memMb = resource.getrusage（resource.RUSAGE_SELF）.ru_maxrss /1024.0 / 1024.0 

#Output 
284654436382457541 ..................... .0420940313 
10.069755秒1.013439 MByte

3.减少

Python 提供了一个名为 reduce() 的函数，它允许您以更简洁的方式减少列表。此函数通过将函数和可迭代对象（如列表、元组、系列等）作为参数并返回单个值作为输出来执行函数计算。

标签：Python,爬虫,零基础必,实战教程,数据,链接,数字字母
来源：