如何提升while循环运行速度？以1/n求和计算场景为例

针对你计算1/n求和（调和级数Hₙ）的场景，n=1e10时循环耗时20分钟，以下是具体优化方案：

一、优先使用数学近似公式（推荐） #

当n极大时，调和级数有成熟的渐近展开式，计算速度极快且误差极小：
Hₙ ≈ ln(n) + γ + 1/(2n) - 1/(12n²) + 1/(120n⁴)
其中γ是欧拉-Mascheroni常数，取值约为0.5772156649015328。

对于n=1e10，这个近似的误差小于1e-60，完全满足绝大多数场景需求。实现代码：

import math

gamma = 0.5772156649015328
n = 10**10
h = math.log(n) + gamma + 1/(2*n) - 1/(12*n**2) + 1/(120*n**4)

计算耗时仅需毫秒级，完全替代循环。

二、必须精确计算时的循环优化 #

如果场景要求绝对精确，可通过以下方式降低循环开销：

• 用Numba JIT编译加速
  Numba能将Python循环编译为机器码，大幅提升执行效率，修改后代码：

  from numba import jit
  
  @jit(nopython=True)
  def harmonic_sum(n):
      h = 0.0
      i = 1
      while i <= n:
          h += 1.0 / i
          i += 1
      return h
  
  n = 10**10
  result = harmonic_sum(n)
  

  该方案能将耗时从20分钟压缩到数分钟甚至更短。

• 向量化批量计算
  利用numpy的数组批量计算替代单步循环，减少Python解释器的开销：

  import numpy as np
  
  n = 10**10
  batch_size = 10**6  # 每次批量计算100万项
  total = 0.0
  
  # 处理整数倍批量
  for i in range(1, n // batch_size + 1):
      start = (i-1)*batch_size + 1
      end = i*batch_size
      arr = np.arange(start, end+1, dtype=np.float64)
      total += np.sum(1 / arr)
  
  # 处理剩余项
  start = (n // batch_size)*batch_size + 1
  if start <= n:
      arr = np.arange(start, n+1, dtype=np.float64)
      total += np.sum(1 / arr)
  

• 简化循环逻辑
  去掉循环中不必要的临时变量，将原代码的b = 1/i; h = h+b合并为h += 1.0/i，减少变量赋值的额外开销。

• 切换到更快的编程语言
  如果性能要求极致，可将逻辑用C/C++、Julia等编译型语言重写，同样的循环逻辑在C中仅需几秒即可完成计算。

内容的提问来源于stack exchange，提问作者3D_Block