众所周知，Python不是具有高执行效率的语言。此外，周期是非常耗时的操作。如果任何简单的单步操作都采用一个单元，则该操作将重复执行数万次，最后一次将增加数万次。
Python中通常使用的两个关键字实际上是其操作效率的差距。例如，下面的测试代码：
这是一个简单的搜索和操作，可以计算出1和N之间的所有自然数的总和。可以看出，周期比比1.5秒快。
差距主要是由于两者的不同机制。
在每个周期中，实际上执行了两个步骤，而不是更多：边界检查和变量中的自我提示。也就所有明确的纯Python代码。
该周期不需要执行边界检查和自我提示操作，也不需要增加显式Python代码（纯Python代码效率少于底部C代码）。循环数足够了，就足够了效率显着差距。
您可以添加两个功能，在周期中添加不必要的界限和自我提示计算：
可以看出，增加的边界检查和自我启动操作确实极大地影响了周期的执行效率。
如前所述，Python底层的解释器和构建功能是用C语言实现的。C语言的执行效率比Python大得多。
为了在上面的差异差异之和的总和借助python构建的功能的帮助下，它可以获得大于或循环的执行效率。
可以看出，使用构建-in函数替换循环后，代码的执行效率增加了一倍。
构建功能的累积操作实际上是一个周期，但是它是通过C语言实现的，并且周期的处理和操作由纯Python Code.c> Python实施。
再次扩展思维。当我还是个孩子时，我听到了1至100童年的高斯和谐的故事。1…100的总和等于（1 + 100） * 50。此计算方法也可以应用于上面的搜索和操作。
最后，数学总和的执行时间约为一百万次。这里的想法是，由于周期效率很低，因此必须执行数亿次代码。
不要直接循环。通过数学公式，它将数亿个周期操作变成了操作的一步。效率自然是空前加强的。
最后的结论（有点谜）：
实现周期的最快方法----不需要循环
对于Python，最大程度地使用了构建功能，以最大程度地减少循环中的纯Python代码。
当然，在某些情况下，构建的功能不是最快的。