如何优化while循环的性能？

一、核心原理

while 循环本身是底层原生循环，但循环内频繁操作、重复计算、IO阻塞、低效内置方法会严重拖慢速度；优化思路：把能提前算的放循环外、减少循环内运算、降低交互耗时、改用更快替代方案。

二、逐条优化方案 + 正反示例

1. 将不变计算、常量、函数移出循环（最常用优化）

循环每轮都会执行内部代码，固定不变的计算提前缓存。

python 复制代码

# 低效写法：每次循环都计算len(list)
data = list(range(100000))
i = 0
while i < len(data):
    val = data[i] * 2
    i += 1

# 优化：提前缓存长度，避免重复计算
data = list(range(100000))
length = len(data)  # 仅计算一次
i = 0
while i < length:
    val = data[i] * 2
    i += 1

2. 减少循环内属性查找、方法调用

对象属性、方法查找存在开销，循环外绑定。

python 复制代码

import math
nums = [1.2]*100000

# 低效：每轮调用math.sqrt
i = 0
while i < len(nums):
    res = math.sqrt(nums[i])
    i += 1

# 优化：外部缓存函数
sqrt = math.sqrt
i = 0
length = len(nums)
while i < length:
    res = sqrt(nums[i])
    i += 1

3. 避免循环内 IO、print 打印（极大拖慢速度）

屏幕输出、文件读写、网络请求属于阻塞操作，循环内尽量删除/批量输出。

python 复制代码

# 极慢：循环频繁print
i = 1
while i <= 10000:
    print(i)
    i += 1

# 优化1：收集所有内容，循环结束一次性打印
res_list = []
i = 1
while i <= 10000:
    res_list.append(str(i))
    i += 1
print("\n".join(res_list))

# 优化2：完全不需要输出时直接删掉print

4. 死循环 while True 中及时break，缩小循环执行次数

尽早终止循环，减少无效迭代。

python 复制代码

# 低效：全部遍历完再判断退出
nums = [1,5,8,2,99,4]
i = 0
while i < len(nums):
    if nums[i] == 99:
        target = nums[i]
    i += 1

# 优化：找到目标立刻break
nums = [1,5,8,2,99,4]
i = 0
length = len(nums)
while i < length:
    if nums[i] == 99:
        target = nums[i]
        break  # 提前退出，减少循环次数
    i += 1

5. 循环内少创建临时变量，复用变量

频繁新建对象增加内存开销。

python 复制代码

# 低效：每次循环新建临时变量
i = 0
while i < 10000:
    temp = i * 3 + 2
    res = temp / 1.5
    i += 1

# 优化：合并计算，减少临时对象
i = 0
while i < 10000:
    res = (i * 3 + 2) / 1.5
    i += 1

6. 海量数据场景：用内置函数/for/列表推导替代while

Python while 手动维护计数器，速度弱于底层优化的迭代循环；超大数据优先替换。

python 复制代码

# 慢速while
total = 0
i = 1
while i <= 100000:
    total += i
    i += 1

# 高速替代：sum+range（C底层实现，远快于while）
total = sum(range(1, 100001))

7. 极致性能：数值计算改用 NumPy 向量化，彻底抛弃循环

上万次数值运算，Python原生循环再优化也慢，向量化运算无循环开销。

python 复制代码

import numpy as np

# 慢：while循环逐个计算
arr = np.arange(100000)
res = []
i = 0
while i < len(arr):
    res.append(arr[i] * 2 + 1)
    i += 1

# 极速：向量化运算，无循环
arr = np.arange(100000)
res = arr * 2 + 1

8. 循环内避免频繁字典/列表增删

列表append尚可，但insert(0)、字典频繁查找删除开销高，可改用队列deque。

python 复制代码

from collections import deque
q = deque([1,2,3,4])
while q:
    item = q.popleft()

三、通用优化总结清单

常量、长度、外部函数、属性全部提到循环外部缓存；
删除循环内print、文件读写、网络请求等IO操作；
尽早使用break减少迭代次数；
简化内部计算，减少临时对象创建；
小规模逻辑用for/推导式替代while；
大规模数值计算用NumPy向量化规避循环；
高频队列操作使用collections.deque。