for循环?-不看看，你都不知道你有多少可以优化的地方

￡神魔★判官ぃ 2023-10-15 14:11 20阅读 0赞

![fd1f878143b849c484b77aba46fd6225.png][]

本章，就一起来聊聊，在写python的时候，到底可以少写多少个的for循环。请对号入座。

探讨这个问题，之前，首先要知道，有哪些方式方法可以减少for循环。

### 例子 ###

list_ = [1,2,3,4,5,6,7,8,9]
    for i in list_:
        print(i)

有何优化上述代码？，本章就来围绕这个来探讨一下。

#### 内置函数-map ####

list_ = [1,2,3,4,5,6,7,8,9]
    def num(i):
        print(i)
    
    list(map(num,list_))

解析：

> > 为什么使用map？map的返回值是什么，为什么要list？

> > map 是一个内置的Python函数，用于对一个可迭代对象（如列表）中的每个元素应用一个指定的函数。map 的返回值是一个迭代器对象，如下：

list_ = [1,2,3,4,5,6,7,8,9]
    def num(i):
        print(i)
    
    print(map(num, list_))
    # <map object at 0x000002043F111EB0>

> > 当调用 list(map(num, list\_)) 时，实际上是创建了一个列表，并且迭代了 map 返回的迭代器来计算结果，然后将结果存储在列表中。这就导致了 num 函数被依次调用，但是函数的返回值（在这里是 None）被存储在了列表中。

> > 这种方式事实上在内部使用了循环，只是它被封装在 map 函数内部，因此看起来好像没有使用显式的 for 循环。

#### 内置函数-filter ####

> > filter本意是过滤的意思，会根据指定的函数过滤列表中的元素，并返回一个包含通过过滤的元素的列表。。但是这里用出了另一个操作，  
> > ***！！！仅供参考！！！***

list_ = [1,2,3,4,5,6,7,8,9]
    def num(i):
        print(i)
    
    list(filter(num,list_))

> > 准确用法应该是这样的

list_ = [1,2,3,4,5,6,7,8,9]
    def num(i):
        return i % 2 == 0
    
    even_numbers = list(filter(num, list_))
    print(even_numbers)

### 推导式 ###

> > 有人会说，推导式不照样要用for循环，没啥毛病，包括上述的操作，暗里明外都会用到。只是效率上的问题。此处的推导式，效率就要比普通的for循环要快。

#### 示例 ####

squares = []
    for x in range(10):
        squares.append(x * x)
    print(squares)

如何使用推导式修改？？？

squares = [x * x for x in range(10)]
    print(squares)

为什么会快？快在了哪里？

#### 对比速率 ####

import timeit
    
    # 使用 for 循环
    def using_for_loop():
        squares = []
        for x in range(1000000):
            squares.append(x * x)
    
    # 使用列表推导式
    def using_list_comprehension():
        squares = [x * x for x in range(1000000)]
    
    # 测量时间
    print("Using for loop:")
    print(timeit.timeit(using_for_loop, number=100))  # 执行 100 次
    print("Using list comprehension:")
    print(timeit.timeit(using_list_comprehension, number=100))  # 执行 100 次

实际结果：

> > Using for loop:  
> > 9.4826923  
> > Using list comprehension:  
> > 6.9917989999999985

> > 快了不少呢，不过正常情况下，速率差不多的。只是可读性方面，列表推导式更简洁，更容易理解，因此通常更容易维护。

### 生成器表达式 ###

#### 示例 ####

squares = []
    for x in range(10):
        squares.append(x * x)

#### 生成器表示式 ####

squares = (x * x for x in range(10))
    # <generator object <genexpr> at 0x000001505936DCF0>

> > 这种方式使用了生成器表达式，生成器表达式不会立即计算所有的值，而是在需要时按需计算。这样可以节省内存，特别是当你处理大量数据时。生成器表达式返回一个生成器对象，你可以使用 list() 函数将其转换为列表。

squares = (x * x for x in range(10))
    print(list(squares))

#### 与for循环的优劣势 ####

> > 使用生成器表达式的优势在于它的惰性计算。如果你只需要访问其中的几个元素，生成器表达式会更加高效，因为它只计算你需要的元素，而不是全部。这对于处理大数据集时非常有用。

> > 使用 for 循环的优势在于它更容易理解，适用于小规模的数据集，而且生成的是一个列表，可以随机访问，而不需要逐个迭代。

#### 对比 ####

import time
    
    # 使用生成器表达式计算平方和
    start_time = time.time()
    squares_sum = sum(x * x for x in range(1, 1000001))
    end_time = time.time()
    print(f"使用生成器表达式，计算耗时：{end_time - start_time} 秒")
    
    
    # 使用普通的 for 循环计算平方和
    start_time = time.time()
    for x in range(1, 1000001):
        squares_sum += x * x
    end_time = time.time()
    print(f"使用普通的 for 循环，计算耗时：{end_time - start_time} 秒")

> > 使用生成器表达式，计算耗时：0.06631803512573242 秒  
> > 使用普通的 for 循环，计算耗时：0.09790468215942383 秒

**最后：**下方这份完整的软件测试视频教程已经整理上传完成，需要的朋友们可以自行领取**【保100%免费】**

![8b0171187dce405e878f274a8cdd9ec0.png][]

#### **软件测试面试文档** ####

我们学习必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有字节大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

![a3e4226c935c4242804cbdf26b571bc6.png][]

![58df6cd288094ad8874e814f2477620b.gif][]

[fd1f878143b849c484b77aba46fd6225.png]: https://img-blog.csdnimg.cn/fd1f878143b849c484b77aba46fd6225.png
[8b0171187dce405e878f274a8cdd9ec0.png]: https://img-blog.csdnimg.cn/8b0171187dce405e878f274a8cdd9ec0.png
[a3e4226c935c4242804cbdf26b571bc6.png]: https://img-blog.csdnimg.cn/a3e4226c935c4242804cbdf26b571bc6.png
[58df6cd288094ad8874e814f2477620b.gif]: https://img-blog.csdnimg.cn/58df6cd288094ad8874e814f2477620b.gif