图片来自Frank Andrade的Shutterstock授权

Python因其速度较慢而闻名。虽然Python比其他语言慢是事实，但是有一些方法可以加速我们的Python代码。

如何加速？简单，优化你的代码。

如果我们编写的代码占用的内存和存储空间很少，不仅可以完成任务，还可以使Python代码运行更快。

下面是我在我参加的Python课程中学到的一个快速和超快速的Python循环方式（我们永远不会停止学习！）。

普通循环

假设我们想求1到100000000的数字之和（我们可能永远不会这样做，但这个大数字可以帮助我说明问题）。

一种典型的方法是创建一个变量total_sum=0，循环遍历范围并在每次迭代中将total_sum的值递增i。

这可以完成任务，但需要约6.58秒的时间。

虽然现在看起来不太慢，但当你在范围内添加更多的0时，它会变得更慢。

让我们加速一下！

使用内置函数更快地循环

在Python中更快的循环方式是使用内置函数。

在我们的例子中，我们可以用sum函数代替for循环。该函数将计算数字范围内的值的总和。

上面的代码只需要0.84秒。这比我们之前使用的循环要快得多！这就是为什么我们应该选择内置函数而不是循环。

但是仍有改进的空间。

几周前，在我参加的数据科学课程中，我了解到我应该遵循的一种软件工程实践是优化我的代码。

我们可以通过矢量化操作来优化循环。这比其纯Python等效项（特别是在数值计算中）快一到两个数量级。

矢量化是我们可以通过NumPy获得的。Numpy是一个具有高效数据结构的库，旨在存储矩阵数据。它主要用C语言编写，因此速度是你可以依赖的。

让我们尝试使用Numpy方法.sum和.arange来代替Python函数。

这可以在0.22秒内完成任务。这比之前的方法要快得多。

这就是为什么每当可能时，你应该使用矢量运算而不是循环的原因。

到目前为止，我们已经看到了Numpy的一个简单应用，但是如果我们不仅有一个for循环，还有一个if条件和更多的计算要做怎么办？

这就是Numpy明显优于循环的时候。

想象一下，我们有一个随机考试成绩的数组（从1到100），我们想得到不及格（分数<70）的人的平均分数。

下面是我们使用for循环的方法。

这大约需要15.7秒。不错，但是我们可以用Numpy获得更快的结果。

下面是我们使用Numpy的方法。

上面的代码只需要大约0.78秒。这快得多了，而且代码也很简单！