2024.7.8 ループ処理の計算速度

for文を制御するためのイテラブルが

1. 配列

2. リスト

の処理速度の差を比較する。更に、while文を用いた場合（つまり、イテラブルから全ての要素を取り出して終了、ではなく条件を満たしている間繰り返し実行）とも比較する。

code:loop1.py

import numpy as np

import time

t_array = np.linspace(0, 100, 100000000)

# 配列

x = 0

t1s = time.process_time()

for t in t_array:

x = x + 1

t1 = time.process_time() - t1s

print('array:', t1)

# リスト

x = 0

t2s = time.process_time()

for t in t_list:

x = x + 1

t2 = time.process_time() - t2s

print('list:', t1)

# while

x = 0

t3s = time.process_time()

while x <= 100000000:

x = x + 1

t3 = time.process_time() - t3s

print('while:', t3)

code:result.txt

array: 3.8236535000000007

list: 3.8236535000000007

while: 2.781456799999999

リストと配列の間に有意な差はない

whileの処理が高速である、イテラブルへのアクセスを行わず、単純な条件式で判定を行っているだけなので、当然である。

whileの例を、計算過程をリストに記録するよう改良。

code:loop2.py

import time

# while-1

x = 0

t3s = time.process_time()

while x <= 100000000:

x = x + 1

t3 = time.process_time() - t3s

print('while-1:', t3)

# while-2

x = 0

hist_x = []

t4s = time.process_time()

while x <= 100000000:

x = x + 1

hist_x.append(x)

t4 = time.process_time() - t4s

print('while-2:', t4)

code:result2.txt

while-1: 2.9293384000000002

while-2: 5.7769554

より多くの計算時間が必要であることがわかる。

以、総括すると、ループ処理の制御方法によって実行時間に差が生じることがわかった。ただ、ここでは１億回のループの結果この程度の差しか生じないとも考えられるので、目的に応じて使い分ける、という考え方でよい。

ループの上限回数を設定するような場合はfor文が適している。

計算が収束したら終了というような場合はwhile文が適している。