Python中m个boolean变量c1~cm的逻辑求值方法及逐次校验效率

核心需求的常用实现 #

针对c1、c2…cm这组离散布尔变量的两类高频判断需求，完全不需要手动拼接冗长的逻辑表达式，直接用Python内置的聚合函数就能简洁实现：

• 判断所有变量是否全部为True：使用内置all()函数，把所有变量打包成可迭代对象传入即可，写法比如all_vars_true = all((c1, c2, c3, ..., cm))。函数返回True代表全量为真，只要有任意一个变量为假就会返回False。
• 判断是否存在任意一个变量不为True：基于逻辑对偶性可以直接复用上面的计算结果，也就是has_false_var = not all((c1, c2, ..., cm))；如果需要更直白的语义表达，也可以结合any()实现：has_false_var = any(val is not True for val in (c1, c2, ..., cm))。

这种写法比手动写一长串c1 and c2 and ... and cm的硬编码干净很多，也不容易出现漏写、错写逻辑运算符的问题。

逐变量校验方式的效率表现 #

首先要澄清一个常见误区：不管是内置的all()/any()，还是自己手写循环逐一遍历变量做校验，本质都是逐变量比对的逻辑，二者的核心差距在实现层的执行效率：

• 内置all()/any()的逐变量校验是在解释器的C层实现的，没有纯Python循环的字节码调度开销。和自己写的普通Python for循环比，同等变量规模下，二者的处理速度通常差2~5倍，变量数量越大、校验逻辑被调用得越频繁，性能差距就越明显。
• 两类逐变量校验逻辑都支持短路求值：不需要遍历完全部m个变量，只要遇到第一个满足判定条件的结果就会立刻退出。比如用all()判断全为真时，如果第一个变量就是False，根本不会检查剩下的m-1个变量，最好情况的时间复杂度仅为O(1)，最坏情况（需要遍历全部变量才能得出结论）才是O(m)，整体的效率上限很高。
• 如果m的规模很小（比如只有3~10个变量），不管用哪种逐变量校验方式，性能差异完全可以忽略，根本不会成为程序的性能瓶颈。只有当m的规模达到数千以上，或者校验逻辑嵌在高频循环里被重复调用时，才需要优先选内置的C层实现来减少不必要的开销。

实用小技巧：给内置函数传参时优先用元组承载所有变量，不要特意生成临时大列表，能减少不必要的内存分配开销。

内容的提问来源于stack exchange，提问作者user288609