如何优化Python嵌套循环代码，将执行时间降至0.02秒以内？

针对你提供的代码（处理11万个子列表，每个约10个元素，当前耗时0.221秒，目标无Cython下降至0.02秒内），可以通过消除Python层级循环开销、利用内置优化函数或向量化计算来实现，以下是几种高效方案：

方案1：切片拆分+math.prod（Python3.8+） #

直接通过切片拆分奇偶位置元素，用C实现的math.prod计算乘积，彻底替代内层while循环：

import math

result = []
for lst in some_list_of_lists:
    # 拆分出索引0,2,4...的元素（t1的因子）和索引1,3,5...的元素（t2的因子）
    odds = lst[::2]
    evens = lst[1::2]
    t1 = math.prod(odds)
    t2 = math.prod(evens)
    if t1 > t2:
        result.append(lst)

优势：切片和math.prod均为底层优化操作，比手动循环快数倍，代码简洁易读。

方案2：reduce+operator.mul（兼容Python3.8以下） #

如果无法使用math.prod，用functools.reduce结合operator.mul实现高效乘积计算：

from functools import reduce
import operator

result = []
for lst in some_list_of_lists:
    t1 = reduce(operator.mul, lst[::2], 1)
    t2 = reduce(operator.mul, lst[1::2], 1)
    if t1 > t2:
        result.append(lst)

优势：同样避免了手动循环的开销，兼容旧版本Python。

方案3：numpy向量化批量计算（最快方案） #

若所有子列表长度一致（均为10个元素），用numpy将整个数据集转为二维数组，批量计算乘积：

import numpy as np

# 转换为numpy数组（指定int64避免溢出）
arr = np.array(some_list_of_lists, dtype=np.int64)
# 按行计算奇数列、偶数列的乘积
t1 = arr[:, ::2].prod(axis=1)
t2 = arr[:, 1::2].prod(axis=1)
# 筛选符合条件的子列表并转回原生列表
result = arr[t1 > t2].tolist()

优势：numpy的向量化操作完全基于C实现，计算效率接近Cython，能轻松将耗时压到0.02秒以内。

内容的提问来源于stack exchange，提问作者40k-btc