在实际业务中不得不遍历多个嵌套 for 循环， 如何提高嵌套 for 循环的性能 耗时太长了~
案例：
比如一把武器
for 一个武器 in 武器库：
for 弹药 in 弹夹：
if 弹药是否属于该武器:
for 弹药属性 in 弹药：
＃ 判断弹药是否支持攻击某种物体

提前用字典存好

提前存好 +1

最朴素的方法往往是最有效的

空间换时间

请问 while 循环的间隔是 0.2s-0.3s 左右，有方法可以减少吗？

把多层循环的内容根据逻辑改写难易丢 numpy 、丢 pandas 、丢数据库，最不济丢其他性能高的语言去处理呗

像你题目中说的，感觉用一个 df.apply 就能解决，前提是 merge 上必要的信息列

同意 ＃1

  1. 种类不多，你可以存成 set[tuple[弹药, 该弹药能攻击的物体]]：
弹药能攻击的物体 = {
　(弹药 1, 物体 1),
　(弹药 1, 物体 2),
　(弹药 2, 物体 1),
　(弹药 2, 物体 3),
}

判断：if (弹药 1, 物体 1) in 弹药能攻击的物体:

  1. 种类巨多，可能存成 dict[弹药, set[该弹药能攻击的物体]] 能省点内存？但比上面的慢
弹药能攻击的物体 = {
　弹药 1: {物体 1, 物体 2},
　弹药 2: {物体 1, 物体 3},
}

判断：if 物体 1 in 弹药能攻击的物体[弹药 1]:

用二维数据结构组织既有信息

也就是楼上说的用 map 或者 dict 来做

思路一：修改逻辑， 不要用 for 循环
思路二：实在要用 for ，改成 C/C++循环， 可以使用 mypyc 编译该部分代码， 也可以用 cython 编译。mypyc 有语法要求， 性能稍微好一点。cython 可以直接编，性能比较差，但是还是远比 Python for 循环好

我们团队搞了一个专门为 Python 业务逻辑加速的编译器，性能吊打 cython/mypyc/pypy ， 可惜不能开源.......

map reduce ？

github.com/Suzhou-Tongyuan/jnumpy 写扩展

numba

＃11 numba 不支持 list 结构，他这个 for in 明显是从序列中遍历呢，这个方法不行

用空间换时间，这是最简单的一个算法技巧

有思路了！感谢大佬！

多刷 leetcode

手动展开

长列表遍历本来就慢, python 的循环更是慢中慢...
提前分类, 字典存好比较好

当然是直接换 python 14
python14!

全组合放数据库，直接查结果就行。

这种情况，numba 没用的，绝对是负优化。