我正在尝试使用Python itertools 模块加速三重嵌套for循环。下面的测试代码将标准的三重嵌套循环与itertools的产品方法和输出进行比较：
嵌套循环时间= 2.35023秒
Itertools循环时间= 2.67766秒
我错过了什么吗？
import numpy
import itertools
import time
n = 128
a = numpy.arange(n**3).reshape((n,n,n))
b = numpy.zeros((n,n,n))
c = numpy.zeros((n,n,n))
t = time.time()
for i in range(n):
for j in range(n):
for k in range(n):
b[i,j,k] = a[i,j,k]
print 'Nested loop time = %g secs' % (time.time() - t)
t = time.time()
for (i,j,k) in itertools.product(range(n), repeat=3):
c[i,j,k] = a[i,j,k]
print 'Itertools loop time = %g secs' % (time.time() - t)
看起来确实如此 itertools.product 对于较大的值较慢 n：
在[24]中：打印_23
来自itertools导入产品
def nested_loops（n）：
对于范围内的i（n）：
对于范围内的j（n）：
对于范围内的k（n）：
通过
def itertools_product（n）：
对于产品中的（i，j，k）（范围（n），重复= 3）：
通过
在[25]中：％timeit nested_loops（128）
10个循环，最佳3：每循环68.6毫秒
在[26]中：％timeit itertools_product（128）
10个循环，每个循环最好为3：162 ms
在[27]中：％timeit nested_loops（10）
10000循环，最佳3：每循环84.5 us
在[28]中：％timeit itertools_product（10）
10000循环，最佳3：每循环79.8 us
在[30]中：％timeit nested_loops（300）
1个循环，最佳3：833 ms每个循环
在[31]中：％timeit itertools_product（300）
1个循环，最佳3：每循环2.07秒
没有元组拆包：
在[40]中：print _39
来自itertools导入产品
def itertools_product（n）：
对于产品中的ijk（范围（n），重复= 3）：
通过
在[41]中：％timeit itertools_product（128）
10个循环，最佳3：115 ms每循环
在[42]中：％timeit itertools_product（10）
10000循环，最佳3：每循环59.2 us
在[43]中：％timeit itertools_product（300）
1个循环，最好为3：每循环1.47秒
此外，为了好玩，列表推导和生成器表达式：
def list_comprehension_product（n）：
range_n = range（n）
for（i，j，k）in [i，j，k] in i in range_n for j in range_n for k in range_n]：
通过
def generator_expression_product（n）：
range_n = range（n）
for（i，j，k）in（（i，j，k）in i in range_n for j in range_n for k in range_n）：
通过
在[51]中：％timeit list_comprehension_product（128）
1个循环，每个循环最好为3：583 ms
在[52]中：％timeit generator_expression_product（128）
1个循环，最佳3：480 ms每个循环
这些基准测试是在 python --version：
2.6.7（r267：88850，2011年7月31日，19：30：54）
[GCC 4.2.1（基于Apple Inc. build 5658）（LLVM build 2335.15.00）]
似乎第二个循环比第一个循环慢，可能是因为元组解包。你不必这样做，我发现它使第二个循环更快，像这样：
for ijk in itertools.product(range(n), repeat=3):
c[ijk] = a[ijk]
当然，使用numpy，你想要避免循环遍历元素，而是立即对整个数组使用numpy操作。这样，所有循环等都在C中完成，你将获得巨大的加速。