您正在创建10krange()对象。这些需要一些时间来实现。然后，您还必须为这些10k对象创建iterator objects(以便for循环迭代这些值)。接下来，for循环通过调用结果迭代器上的^{} method来使用迭代器协议。后两个步骤也适用于列表上的for循环。在
但最重要的是，你在while循环测试中作弊。while循环只需运行一次，因为您永远不会将i重置回0(多亏了Jim Fasarakis Hilliard pointing that out)。实际上，您正在运行一个while循环，总共19999个比较；第一个测试运行10k比较，其余9999个测试运行一个比较。这种比较很快：>>> import timeit
>>> timeit.timeit('while i<10000: True; i+=1',setup='i=0', number=10000)
0.0008302750065922737
>>> (
... timeit.timeit('while i<10000: True; i+=1', setup='i=0', number=1) +
... timeit.timeit('10000 < 10000', number=9999)
... )
0.0008467709994874895
看看这些数字有多接近？在
我的机器有点快，所以让我们创建一个比较基准；这是在运行于OS X 10.12.5的Macbook Pro(Retina，15英寸，2015年年中)上使用的是3.6.1。我们还可以修复while循环以在测试中设置i = 0，而不是设置(只运行一次)：
^{pr2}$
糟糕，所以一个正确运行的while实际上是较慢的这里有你的前提(和我的！)。在
我使用pass来避免回答关于引用对象的速度有多快的问题(它很快，但不重要)。我的计时要比你的机器快6倍。在
如果您想探索为什么迭代速度更快，可以从创建range()对象开始，在Python中为for循环的各个组件计时：>>> timeit.timeit('range(10000)', number=10000)
0.0036197409499436617
因此，创建10000个range()对象比运行一个迭代10k次的while循环需要更多的时间。range()对象的创建成本比整数高。在
这确实涉及全局名称查找，速度较慢，可以通过使用setup='_range = range'然后使用_range(1000)来加快查找速度；这样可以减少大约1/3的时间。在
接下来，为此创建一个迭代器；这里我将为^{} function使用一个本地名称，因为for循环不必执行哈希表查找，而是只访问C函数。当然，在二进制文件中对内存位置的硬编码引用要快得多：>>> timeit.timeit('_iter(r)', setup='_iter = iter; r = range(10000)', number=10000)
0.0009729859884828329
相当快，但是，它所需的时间与单个while循环迭代10k次相同。所以创建iterable对象很便宜。C实现更快。我们还没有迭代。在
最后，我们对迭代器对象调用__next__，次数为10k次。这同样是用C代码完成的，缓存了对内部C实现的引用，但是使用^{} object我们至少可以尝试来获得一个大致的数字：>>> timeit.timeit('n()', setup='from functools import partial; i = iter(range(10000)); n = partial(i.__next__)', number=10000) * 10000
7.759470026940107
天哪，对iter(range(1000)).__next__的10k乘以10k的调用所花费的时间比管理的for循环要多出近4倍；这说明了实际的C实现的效率有多高。在
但是，它确实说明了在C代码中循环要快得多，这就是为什么正确执行while循环实际上要慢得多；在字节码中求整数和进行布尔比较比在C代码中迭代range()要花更多的时间(CPU直接在CPU寄存器中进行递增和比较)：>>> (
... timeit.timeit('9999 + 1', number=10000 ** 2) +
... timeit.timeit('9999 < 10000', number=10000 ** 2)
... )
3.695550534990616
正是这些操作使while循环慢了大约3秒。在
TLDR：实际上您没有正确地测试while循环。我早该注意到的。在
