Python 是世界上使用最廣泛的編程語言之壹。它是壹種解釋型高級通用編程語言，具有廣泛的用途，幾乎可以將其用於所有事物。其以簡單的語法、優雅的代碼和豐富的第三方庫而聞名。python除了有很多優點外，但在速度上還有壹個非常大的缺點。
雖然Python代碼運行緩慢，但可以通過下面分享的5個小技巧提升Python運行速度！
首先，定義壹個計時函數timeshow，通過簡單的裝飾，可以打印指定函數的運行時間。
這個函數在下面的例子中會被多次使用。
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. 選擇合適的數據結構使用正確的數據結構對python腳本的運行時間有顯著影響。Python 有四種內置的數據結構：
列表 : List
元組 : Tuple
集合 : Set
字典 : Dictionary
但是，大多數開發人員在所有情況下都使用列表。這是不正確的做法，應該根據任務使用合適數據結構。
運行下面的代碼，可以看到元組執行簡單檢索操作的速度比列表快。其中dis模塊反匯編了壹個函數的字節碼，這有利於查看列表和元組之間的區別。
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("-----:使用列表的機器碼:------") dis.dis(a) print("-----:使用元組的機器碼:------") dis.dis(b)運行輸出:
-----:使用列表的機器碼:------
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 10
22 STORE_FAST 0 (data)
4 24 LOAD_FAST 0 (data)
26 LOAD_CONST 5 (5)
28 BINARY_SUBSCR
30 STORE_FAST 1 (x)
5 32 LOAD_FAST 1 (x)
34 RETURN_VALUE
-----:使用元組的機器碼:------
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_SUBSCR
10 STORE_FAST 1 (x)
9 12 LOAD_FAST 1 (x)
14 RETURN_VALUE
看下列表的機器碼，冗長而多余！
2. 善用強大的內置函數和第三方庫如果妳正在使用python並且仍在自己編寫壹些通用函數(比如加法、減法)，那麽是在侮辱python。 Python有大量的庫和內置函數來幫助妳不用編寫這些函數。 如果研究下，那麽妳會驚奇地發現幾乎90%的問題已經有第三方包或內置函數來解決。
可以通過訪問官方文檔查看所有內置函數。妳也可以在wiki python上找到更多使用內置函數的場景。
比如，現在我們想合並列表中的所有單詞為壹個句子，比較法自己編寫和調用庫函數的區別:
#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，我們把這個列表放大了 f1(l) f2(l)運行輸出:
f1 : 0.000227 sec
f2 : 0.000031 sec
3. 少用循環
用 列表推導式 代替循環
用 叠代器 代替循環
用 filter() 代替循環
減少循環次數，精確控制，不浪費CPU
##?返回n以內的可以被7整除的所有數字。 #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 #列表推導式 @timeshow def?f_list(n): L?=?[i?for?i?in?range(n)?if?i?%?7?==?0] return?L #叠代器 @timeshow def?f_iter(n): L?=?(i?for?i?in?range(n)?if?i?%?7?==?0) return?L #過濾器? @timeshow def?f_filter(n): L?=?filter(lambda?x:?x?%?7?==?0,?range(n)) return?L #精確控制循環次數? @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 sec
f_list : 0.056110 sec
f_iter : 0.000015 sec
f_filter : 0.000003 sec
f_mind : 0.000002 sec
誰快誰慢，壹眼便知！
filter 配合 lambda 大法就是屌！！！
4. 避免循環重復計算如果妳有壹個叠代器，必須用它的元素做壹些耗時計算，比如匹配正則表達式。妳應該將正則表達式模式定義在循環之外，因為最好只編譯壹次模式，而不是在循環的每次叠代中壹次又壹次地編譯它。
只要有可能，就應該嘗試在循環外進行盡可能多的運算，比如將函數計算分配給局部變量，然後在函數中使用它。
#應改避免的方式： @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 sec
f_less : 0.000365 sec
5. 少用內存、少用全局變量內存占用是指程序運行時使用的內存量。為了讓Python代碼運行得更快，應該減少程序的內存使用量，即盡量減少變量或對象的數量。
Python 訪問局部變量比全局變量更有效。在有必要之前，應該始終嘗試忽略聲明全局變量。壹個在程序中定義過的全局變量會壹直存在，直到整個程序編譯完成，所以它壹直占據著內存空間。另壹方面，局部變量訪問更快，且函數完成後即可回收。因此，使用多個局部變量比使用全局變量會更好。
#應該避免的方式： 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
本篇文章就到這裏了，希望能夠給妳帶來幫助，也希望您能夠多多關註的更多內容!