提升Python運(yùn)行速度的5個(gè)小技巧

雖然Python代碼運(yùn)行緩慢，但可以通過(guò)下面分享的5個(gè)小技巧提升Python運(yùn)行速度！1. 選擇合適的數(shù)據(jù)結(jié)構(gòu)。2. 善用強(qiáng)大的內(nèi)置函數(shù)和第三方庫(kù)。3. 少用循環(huán)。4. 避免循環(huán)重復(fù)計(jì)算。5. 少用內(nèi)存、少用全局變量。

推薦度：

點(diǎn)擊下載本文 文檔為doc格式

導(dǎo)讀雖然Python代碼運(yùn)行緩慢，但可以通過(guò)下面分享的5個(gè)小技巧提升Python運(yùn)行速度！1. 選擇合適的數(shù)據(jù)結(jié)構(gòu)。2. 善用強(qiáng)大的內(nèi)置函數(shù)和第三方庫(kù)。3. 少用循環(huán)。4. 避免循環(huán)重復(fù)計(jì)算。5. 少用內(nèi)存、少用全局變量。

Python 是世界上使用最廣泛的編程語(yǔ)言之一。它是一種解釋型高級(jí)通用編程語(yǔ)言，具有廣泛的用途，幾乎可以將其用于所有事物。其以簡(jiǎn)單的語(yǔ)法、優(yōu)雅的代碼和豐富的第三方庫(kù)而聞名。python除了有很多優(yōu)點(diǎn)外，但在速度上還有一個(gè)非常大的缺點(diǎn)。

雖然Python代碼運(yùn)行緩慢，但可以通過(guò)下面分享的5個(gè)小技巧提升Python運(yùn)行速度！

首先，定義一個(gè)計(jì)時(shí)函數(shù)timeshow，通過(guò)簡(jiǎn)單的裝飾，可以打印指定函數(shù)的運(yùn)行時(shí)間。

這個(gè)函數(shù)在下面的例子中會(huì)被多次使用。

def?timeshow(func):
????from?time?import?time
????def?newfunc(*arg,?**kw):
????????t1?=?time()
????????res?=?func(*arg,?**kw)
????????t2?=?time()
????????print(f"{func.__name__:?>10}?:?{t2-t1:.6f}?sec")
????????return?res
????return?newfunc
@timeshow
def?test_it():
????print("hello?pytip")
test_it()

1. 選擇合適的數(shù)據(jù)結(jié)構(gòu)

使用正確的數(shù)據(jù)結(jié)構(gòu)對(duì)python腳本的運(yùn)行時(shí)間有顯著影響。Python 有四種內(nèi)置的數(shù)據(jù)結(jié)構(gòu)：

列表: List

元組: Tuple

集合: Set

字典: Dictionary

但是，大多數(shù)開(kāi)發(fā)人員在所有情況下都使用列表。這是不正確的做法，應(yīng)該根據(jù)任務(wù)使用合適數(shù)據(jù)結(jié)構(gòu)。

運(yùn)行下面的代碼，可以看到元組執(zhí)行簡(jiǎn)單檢索操作的速度比列表快。其中dis模塊反匯編了一個(gè)函數(shù)的字節(jié)碼，這有利于查看列表和元組之間的區(qū)別。

import?dis
def?a():
????data?=?[1,?2,?3,?4,?5,6,7,8,9,10]
????x?=data[5]
????return?x
def?b():
????data?=?(1,?2,?3,?4,?5,6,7,8,9,10)
????x?=data[5]
????return?x
print("-----:使用列表的機(jī)器碼:------")
dis.dis(a)
print("-----:使用元組的機(jī)器碼:------")
dis.dis(b)

運(yùn)行輸出:

-----:使用列表的機(jī)器碼:------3 0 LOAD_CONST 1 (1)2 LOAD_CONST 2 (2)4 LOAD_CONST 3 (3)6 LOAD_CONST 4 (4)8 LOAD_CONST 5 (5)10 LOAD_CONST 6 (6)12 LOAD_CONST 7 (7)14 LOAD_CONST 8 (8)16 LOAD_CONST 9 (9)18 LOAD_CONST 10 (10)20 BUILD_LIST 1022 STORE_FAST 0 (data)4 24 LOAD_FAST 0 (data)26 LOAD_CONST 5 (5)28 BINARY_SUBSCR30 STORE_FAST 1 (x)5 32 LOAD_FAST 1 (x)34 RETURN_VALUE-----:使用元組的機(jī)器碼:------7 0 LOAD_CONST 1 ((1, 2, 3, 4, 5, 6, 7, 8, 9, 10))2 STORE_FAST 0 (data)8 4 LOAD_FAST 0 (data)6 LOAD_CONST 2 (5)8 BINARY_SUBSCR10 STORE_FAST 1 (x)9 12 LOAD_FAST 1 (x)14 RETURN_VALUE

看下列表的機(jī)器碼，冗長(zhǎng)而多余！

2. 善用強(qiáng)大的內(nèi)置函數(shù)和第三方庫(kù)

如果你正在使用python并且仍在自己編寫(xiě)一些通用函數(shù)(比如加法、減法)，那么是在侮辱python。 Python有大量的庫(kù)和內(nèi)置函數(shù)來(lái)幫助你不用編寫(xiě)這些函數(shù)。如果研究下，那么你會(huì)驚奇地發(fā)現(xiàn)幾乎90%的問(wèn)題已經(jīng)有第三方包或內(nèi)置函數(shù)來(lái)解決。

可以通過(guò)訪問(wèn)官方文檔查看所有內(nèi)置函數(shù)。你也可以在wiki python上找到更多使用內(nèi)置函數(shù)的場(chǎng)景。

比如，現(xiàn)在我們想合并列表中的所有單詞為一個(gè)句子，比較法自己編寫(xiě)和調(diào)用庫(kù)函數(shù)的區(qū)別:

#???正常人能想到的方法
@timeshow
def?f1(list):
????s?=""
????for?substring?in?list:
????????s?+=?substring
????return?s
#???pythonic?的方法
@timeshow
def?f2(list):
????s?=?"".join(list)
????return?s
l?=?["I",?"Love",?"Python"]?*?1000?#?為了看到差異，我們把這個(gè)列表放大了
f1(l)
f2(l)

運(yùn)行輸出:

f1 : 0.000227 secf2 : 0.000031 sec

3. 少用循環(huán)

用列表推導(dǎo)式代替循環(huán)

用迭代器代替循環(huán)

用 filter() 代替循環(huán)

減少循環(huán)次數(shù)，精確控制，不浪費(fèi)CPU

##?返回n以?xún)?nèi)的可以被7整除的所有數(shù)字。
#???正常人能想到的方法:
@timeshow
def?f_loop(n):?
????L=[]
????for?i?in?range(n):
????????if?i?%?7?==0:
????????????L.append(i)
????return?L
#????列表推導(dǎo)式
@timeshow
def?f_list(n):
????L?=?[i?for?i?in?range(n)?if?i?%?7?==?0]
????return?L
#????迭代器
@timeshow
def?f_iter(n):
????L?=?(i?for?i?in?range(n)?if?i?%?7?==?0)
????return?L
#???過(guò)濾器?
@timeshow
def?f_filter(n):
????L?=?filter(lambda?x:?x?%?7?==?0,?range(n))
????return?L
#???精確控制循環(huán)次數(shù)?
@timeshow
def?f_mind(n):
????L?=?(i*7?for?i?in?range(n//7))
????return?L
n?=?1_000_000
f_loop(n)
f_list(n)
f_iter(n)
f_filter(n)
f_mind(n)

輸出為:

f_loop : 0.083017 secf_list : 0.056110 secf_iter : 0.000015 secf_filter : 0.000003 secf_mind : 0.000002 sec

誰(shuí)快誰(shuí)慢，一眼便知！

filter 配合lambda大法就是屌！！！

4. 避免循環(huán)重復(fù)計(jì)算

如果你有一個(gè)迭代器，必須用它的元素做一些耗時(shí)計(jì)算，比如匹配正則表達(dá)式。你應(yīng)該將正則表達(dá)式模式定義在循環(huán)之外，因?yàn)樽詈弥痪幾g一次模式，而不是在循環(huán)的每次迭代中一次又一次地編譯它。

只要有可能，就應(yīng)該嘗試在循環(huán)外進(jìn)行盡可能多的運(yùn)算，比如將函數(shù)計(jì)算分配給局部變量，然后在函數(shù)中使用它。

#???應(yīng)改避免的方式：
@timeshow
def?f_more(s):
????import?re
????for?i?in?s:
????????m?=?re.search(r'a*[a-z]?c',?i)
#???更好的方式：
@timeshow
def?f_less(s):
????import?re
????regex?=?re.compile(r'a*[a-z]?c')
????for?i?in?s:
????????m?=?regex.search(i)
s?=?["abctestabc"]?*?1_000
f_more(s)
f_less(s)

輸出為:

f_more : 0.001068 secf_less : 0.000365 sec

5. 少用內(nèi)存、少用全局變量

內(nèi)存占用是指程序運(yùn)行時(shí)使用的內(nèi)存量。為了讓Python代碼運(yùn)行得更快，應(yīng)該減少程序的內(nèi)存使用量，即盡量減少變量或?qū)ο蟮臄?shù)量。

Python 訪問(wèn)局部變量比全局變量更有效。在有必要之前，應(yīng)該始終嘗試忽略聲明全局變量。一個(gè)在程序中定義過(guò)的全局變量會(huì)一直存在，直到整個(gè)程序編譯完成，所以它一直占據(jù)著內(nèi)存空間。另一方面，局部變量訪問(wèn)更快，且函數(shù)完成后即可回收。因此，使用多個(gè)局部變量比使用全局變量會(huì)更好。

#???應(yīng)該避免的方式：
message?=?"Line1\n"
message?+=?"Line2\n"
message?+=?"Line3\n"
#???更好的方式：
l?=?["Line1","Line2","Line3"]
message?=?'\n'.join(l)
#???應(yīng)該避免的方式：
x?=?5
y?=?6?
def?add():
????return?x+y
add()
#???更好的方式：
def?add():
????x?=?5
????y?=?6
????return?x+y
add()

總結(jié)

本篇文章就到這里了，希望能夠給你帶來(lái)幫助，也希望您能夠多多關(guān)注好二三四的更多內(nèi)容!