Python中AND条件是否支持惰性求值？大循环代码性能优化问询

我正在解决一个组合数学问题，已经把它简化为研究问题的渐近行为这个更易处理的任务。当前测试代码用了_{1E7次迭代，但最终版本需要完成}1E11次迭代。代码里的<condition_1>用来把搜索空间缩小到远小于~1E7的规模，<condition_2>通过判断结果是否满足不等式来降低内存负载。我写了两种代码实现方式（Way 1和Way 2），现在用Way 2来期望提升性能，想确认：Python是否会对AND条件进行惰性求值——也就是第一个条件为假时不计算第二个条件？

# Way 1
for i in range(N):
    <computation related to condition_2, used in code block>
    if <condition_1> & <condition_2>:
        <code block>
        <storing results in dictionary>

# Way 2
for i in range(N):
    if <condition_1>:
        <computation related to condition_2, used in code block>
        if <condition_2>:
            <code block>
            <storing results in dictionary>

回答 #

• Python的逻辑与运算符and支持惰性求值：当第一个条件为假时，会直接跳过第二个条件的计算，不会执行后续表达式。
• 但你Way 1中使用的&是按位与运算符，它不具备惰性求值特性，无论第一个条件结果如何，都会先计算<condition_1>和<condition_2>两边的表达式，再执行按位运算。这会导致大量无效计算，完全浪费了<condition_1>的过滤作用。

如果把Way 1里的&替换成and，那么Way 1和Way 2的逻辑等价，性能也会相近。但你的Way 2写法更直观，也避免了在<condition_1>为假时执行<condition_2>的前置计算，在你的场景（<condition_1>过滤掉绝大多数迭代）下，Way 2的效率会更高，和你期望的一致。

内容的提问来源于stack exchange，提问作者theoreticalmasterrace