python如何提高for循環(huán)效率？本回答適用于python3.xpython本身速度確實(shí)相對比較慢。 但是相對來說，python有比直接的for循環(huán)快速的寫法。比如標(biāo)準(zhǔn)for循環(huán)寫法如下for i

python如何提高for循環(huán)效率？

本回答適用于python3.xpython本身速度確實(shí)相對比較慢。 但是相對來說，python有比直接的for循環(huán)快速的寫法。比如標(biāo)準(zhǔn)for循環(huán)寫法如下for i in range（10000）： i**2這樣就比較慢，標(biāo)準(zhǔn)寫法的嵌套循環(huán)更慢?？筛膶憺榱斜硗茢嗍?： [ i**2 for i in range(10000)]， 這樣就比直接for循環(huán)標(biāo)準(zhǔn)寫法要快不少； 此外， 還可以用python自帶的高級函數(shù) map，自動并行計(jì)算。寫為 list(map(lambda i: i**2， range(10000))) 也很快。 map函數(shù)和列表推斷式速度差不多。

Python語言其實(shí)很慢，為什么機(jī)器學(xué)習(xí)這種快速算法步驟通常還是用呢？

對于用過幾種開發(fā)語言（java，c#，nodejs，erlang），而后轉(zhuǎn)Python做機(jī)器學(xué)習(xí)的人，我說說我的看法。

首先，大家說python慢是真的嗎？我的回答是真的。非常慢，for循環(huán)比cpp慢兩個(gè)數(shù)量級。

那為什么還用Python?假如我們遍歷過億的數(shù)據(jù)，兩個(gè)數(shù)量級的差異是無法接受的。但如果我們用python做最上層的邏輯，把上億數(shù)據(jù)進(jìn)行分塊，python只循環(huán)十幾次，剩下扔給cpu和gpu。那么兩個(gè)數(shù)量級是否就無所謂了呢？1毫秒和100毫秒在整個(gè)系統(tǒng)中真的無所謂了。

python最大的優(yōu)勢在于，可以非常非常優(yōu)雅的把數(shù)據(jù)扔給高效的c，cuda去做計(jì)算。numpy，pandas，numba這些優(yōu)秀的開源庫可以非常方便的高效的處理海量的數(shù)據(jù)，借助zmq，celery等還可以做分布式計(jì)算，gevent借助系統(tǒng)的epoll進(jìn)行io優(yōu)化。所以，不需要花太多精力，就可以優(yōu)雅，高效的實(shí)現(xiàn)海量的數(shù)據(jù)處理，機(jī)器學(xué)習(xí)的任務(wù)。這是python火爆的原因。

想想，同樣的性能，代碼只有cpp或java的三分之一甚至更少，是不是很有誘惑力？