Python中三种获取列表最大值的方法为何速度差异显著？

先看测试代码：

from time import time
from random import random

LIST_LEN = 1000
my_list = [int(random() * LIST_LEN) for i in range(LIST_LEN)]

# 索引式while循环
start_time = time()
my_max = 0
i = 0
while i < len(my_list):
    if my_list[i] > my_max: 
        my_max = my_list[i]
    i += 1
my_time = time() - start_time
print(' Indexed:\t', my_time)

# 迭代器式for循环
start_time = time()
my_max = 0
for num in my_list:
    if num > my_max: 
        my_max = num
my_time = time() - start_time
print('Iterator:\t', my_time)

# 内置max()函数
start_time = time()
my_max = max(my_list)
max_time = time() - start_time
print('Built-in:\t', max_time)

测试结果：

Indexed:        0.0002579689025878906
Iterator:        6.604194641113281e-05
Built-in:        1.7404556274414062e-05

速度差异的核心原因 #

• 索引式while循环最慢：这个循环里的每一步——索引计算、my_list[i]的边界检查与访问、手动自增i、比较赋值——都是Python字节码层面的操作，每一步都有额外开销。同时while循环的流程控制本身也没有迭代器的优化加持，整体效率偏低。
• 迭代器for循环比while快4倍左右：Python列表的for循环基于迭代器协议实现，迭代器是用C编写的，每次迭代直接返回下一个元素，省去了手动管理索引和重复的边界检查步骤。不过循环内的比较、赋值操作仍在Python层面执行，所以还存在一定开销。
• 内置max()函数最快：max()是完全用C实现的，整个遍历、比较、更新最大值的流程都在底层完成，没有Python字节码的执行开销。它直接操作列表的底层内存，还做了针对性优化，避免了Python对象之间的频繁交互，因此速度远快于手动实现的循环。

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