来源：网络

在编写 Python 代码时，使用循环并不一定是一种坏的设计模式，但过多的循环会导致效率低下且浪费资源。今天我们来探讨一些工具，帮助我们在代码中消除不必要的循环。Python 提供了几种循环模式，当我们需要遍历一个对象的内容时，可以使用：

• • for 循环：逐个遍历序列中的元素。
• • while 循环：只要满足某个布尔条件，就不断重复执行。
• • 嵌套循环：在一个循环内使用多个循环。

虽然 Python 支持这些循环模式，但我们在使用时要格外小心。因为大多数循环都是逐个元素进行运算，这通常会导致效率较低。

在编写高效代码时，我们应尽量避免使用循环。消除循环通常会使代码行数减少，且更易于理解。Python 的一条惯用语是“平坦比嵌套更好”，我们努力消除代码中的循环，有助于遵循这一惯用法。本文将讨论并探索几种简单的技术，帮助我们消除循环，或至少以更好的方式实现它们。

1. 消除循环

1.1 使用列表推导式、map 函数和 itertools 消除循环

假设我们有一个列表的列表，称为 poke_stats，其中包含每个宝可梦的统计数据。每一行对应一只宝可梦，每一列代表宝可梦的特定统计值。这里，列表示宝可梦的生命值、攻击、防御和速度。我们希望对每一行进行求和，得到每只宝可梦的总统计数据。如果使用循环来计算每行的和，我们需要遍历每一行，并将该行的和添加到总和列表中。但我们可以通过列表推导式来实现相同的功能，代码行数更少，效率也更高。或者，我们还可以使用之前在我的文章《为数据科学家编写高效的 Python 代码》中介绍过的内建 map 函数。

首先，我们定义一个统计数组：

poke_stats = [[45, 49, 49, 45], [60, 62, 63, 60], [80, 82, 83, 80]]  # 示例数据

然后我们可以使用 for 循环来遍历这些元素并打印运行时间：

import timestart_time = time.time()totals = []for row in poke_stats:    totals.append(sum(row))end_time = time.time()print("Using loop:", end_time - start_time)

接着，我们可以用列表推导式来简化这段代码：

start_time = time.time()totals = [sum(row) for row in poke_stats]end_time = time.time()print("Using list comprehension:", end_time - start_time)

最后，我们使用 map 函数来完成同样的操作：

start_time = time.time()totals = list(map(sum, poke_stats))end_time = time.time()print("Using map function:", end_time - start_time)

这三种方法都可以得到相同的结果，但使用列表推导式或 map 函数的代码行数更少，执行速度也更快。

在之前的文章中，我们还介绍了一些内建模块，这些模块可以帮助我们消除循环。例如，我们可以使用 itertools 模块中的 combinations，替代嵌套的 for 循环，从而获得更简洁、高效的解决方案。

1.2 使用 NumPy 消除循环

另一个强大的消除循环的技术是使用 NumPy 包。假设我们有一个包含统计数据的 NumPy 数组，而不是列表的列表。

我们希望收集每只宝可梦（或每一行）的平均统计值。可以使用循环遍历数组并收集行的平均值：

import numpy as nppoke_stats_array = np.array([[45, 49, 49, 45], [60, 62, 63, 60], [80, 82, 83, 80]])  # 示例数据averages = []for row in poke_stats_array:    averages.append(np.mean(row))

然而，NumPy 数组允许我们一次性对整个数组进行计算。我们可以使用 .mean 方法并指定轴 axis=1 来计算每行的平均值（即沿列方向计算平均值）。这样，我们就不再需要使用循环，效率也更高。

start_time = time.time()averages = poke_stats_array.mean(axis=1)end_time = time.time()print("Using NumPy mean:", end_time - start_time)

通过比较运行时间，我们可以看到，使用 .mean 方法直接计算整个数组的均值，效率比使用循环要高得多。

2. 编写更高效的循环

我们已经讨论了如何消除循环，但有时循环是不可避免的。在本节中，我们将探讨如何在循环不可避免的情况下提高循环效率。我们将假设下面的示例是无法消除的循环用例，目的是帮助大家优化现有的循环。

优化循环的最佳方式是分析循环内部的操作，确保每次迭代不会做不必要的工作。如果一个计算在每次循环中都执行，但其值并未发生变化，那么最好将此计算移到循环外部。比如，在每次迭代时进行的数据类型转换，如果转换的结果不变，也可以使用 map 函数在循环外部完成。任何可以一次性完成的工作都应该移出循环。让我们看一些示例。

2.1 将计算移到循环外部

假设我们有一个宝可梦名称列表和一个对应的攻击值数组。我们希望打印出攻击值大于所有攻击值平均值的宝可梦名称。为了实现这个目标，我们可以使用一个循环，遍历每个宝可梦及其攻击值。在每次迭代时，我们都计算所有攻击值的平均值。然后，检查每只宝可梦的攻击值是否超过这个平均值。

这种做法的低效之处在于，total_attack_avg 变量在每次循环中都被重新计算。其实，total_attack_avg 是一个常量，不会随着迭代而改变，我们只需要计算一次。将计算移到循环外部，我们就可以提高效率。

total_attack_avg = np.mean(attack_values)  # 移到循环外部for name, attack inzip(pokemon_names, attack_values):if attack > total_attack_avg:print(name)

通过将计算移到循环外部，我们可以减少不必要的操作，提升效率。

2.2 整体转换

另一种提高循环效率的方法是使用整体转换。在下面的例子中，我们有三个列表：宝可梦的名称列表、是否为传说宝可梦的布尔值列表、宝可梦的代际列表。

我们希望将这些列表组合成一个包含每只宝可梦名称、状态和代际的列表。为此，我们使用 zip 函数将这些列表组合成元组，然后遍历并将每个元组转换为列表。

poke_names = ['Pikachu', 'Charmander', 'Bulbasaur']is_legendary = [False, False, False]generations = [1, 1, 1]poke_data = []for name, legendary, generation inzip(poke_names, is_legendary, generations):    poke_data.append([name, legendary, generation])

然而，转换每个元组为列表的做法并不高效。我们可以先将所有元组收集到一起，然后使用 map 函数一次性转换所有元组，而不需要在每次循环中进行转换。

poke_tuples = list(zip(poke_names, is_legendary, generations))poke_data = list(map(list, poke_tuples))  # 整体转换

通过将类型转换移到循环外部，我们可以显著提高效率。

在编写 Python 代码时，尽量减少或消除循环的使用，可以使代码更简洁、更高效。在循环不可避免的情况下，我们也可以通过分析和优化循环中的操作，提高代码的性能。通过使用列表推导式、map 函数、NumPy 和 itertools 等工具，我们可以轻松地消除不必要的循环，从而提高代码效率。