众所周知，Python 不是一种执行效率较高的语言。此外在任何语言中，循环都是一种非常消耗时间的操作。假如任意一种简单的单步操作耗费的时间为 1 个单位，将此操作重复执行上万次，最终耗费的时间也将增长上万倍。
和是 Python 中常用的两种实现循环的关键字，它们的运行效率实际上是有差距的。比如下面的测试代码：
这是一个简单的求和操作，计算从 1 到 n 之间所有自然数的总和。可以看到循环相比要快 1.5 秒。
其中的差距主要在于两者的机制不同。
在每次循环中，实际上比多执行了两步操作：边界检查和变量的自增。即每进行一次循环，while 都会做一次边界检查 (）和自增计算（）。这两步操作都是显式的纯 Python 代码。
循环不需要执行边界检查和自增操作，没有增加显式的 Python 代码（纯 Python 代码效率低于底层的 C 代码）。当循环的次数足够多，就出现了明显的效率差距。
可以再增加两个函数，在循环中加上不必要的边界检查和自增计算：
可以看出，增加的边界检查和自增操作确实大大影响了循环的执行效率。
前面提到过，Python 底层的解释器和内置函数是用 C 语言实现的。而 C 语言的执行效率远大于 Python。
对于上面的求等差数列之和的操作，借助于 Python 内置的函数，可以获得远大于或循环的执行效率。
可以看到，使用内置函数替代循环之后，代码的执行效率实现了成倍的增长。
内置函数的累加操作实际上也是一种循环，但它由 C 语言实现，而循环中的求和操作是由纯 Python 代码实现的。C > Python。
再拓展一下思维。小时候都听说过童年高斯巧妙地计算 1 到 100 之和的故事。1…100 之和等于 (1 + 100) * 50。这个计算方法同样可以应用到上面的求和操作中。
最终 math sum 的执行时间约为，缩短了上百万倍。这里的思路就是，既然循环的效率低，一段代码要重复执行上亿次。
索性直接不要循环，通过数学公式，把上亿次的循环操作变成只有一步操作。效率自然得到了空前的加强。
最后的结论（有点谜语人）：
实现循环的最快方式——————就是不用循环
对于 Python 而言，则尽可能地使用内置函数，将循环中的纯 Python 代码降到最低。
