Python有時(shí)用起來(lái)確實(shí)很慢，我敢打賭你肯定抱怨過(guò)這一點(diǎn)，尤其是那些用慣了C，C ++或Java的人。

但其實(shí)很多時(shí)候，Python的效率并沒(méi)有達(dá)到它應(yīng)有的速度，有一些讓它馬達(dá)開(kāi)足的小技巧，一起來(lái)學(xué)習(xí)吧！

1.避免使用全局變量

import mathsize = 10000

for x in range（size）：

for y in range（size）：

z = math.sqrt（x） + math.sqrt（y）

許多程序員一開(kāi)始都會(huì)用Python語(yǔ)言編寫(xiě)一些簡(jiǎn)單的腳本。編寫(xiě)腳本時(shí)，通常直接使用全局變量，就像上面這段代碼。

但由于全局變量和局部變量的實(shí)現(xiàn)方式不同，全局變量中定義的代碼要比在函數(shù)中定義的函數(shù)運(yùn)行起來(lái)慢得多。把腳本語(yǔ)句放入函數(shù)中，通常運(yùn)行速度可提高15％-30％。如下所示：

import mathdef main（）：

size = 10000

for x in range（size）：

for y in range（size）：

z = math.sqrt（x） +math.sqrt（y）main（）

2.避免數(shù)據(jù)重復(fù)

避免無(wú)意義的數(shù)據(jù)復(fù)制

def main（）：

size = 10000

for _ in range（size）：

value = range（size）

value_list = ［x for x in value］

square_list = ［x * x for x invalue_list］main（）

這段代碼中，value_list完全沒(méi)有必要，這會(huì)創(chuàng)建不必要的數(shù)據(jù)結(jié)構(gòu)或復(fù)制。

def main（）：

size = 10000

for _ in range（size）：

value = range（size）

square_list = ［x * x for x invalue］main（）

另一個(gè)原因在于Python的數(shù)據(jù)共享機(jī)制過(guò)于偏執(zhí)，沒(méi)有很好理解或信任內(nèi)存模型，例如濫用copy.deepcopy（）函數(shù)。我們可以刪除此類代碼中的復(fù)制操作。

交換值時(shí)無(wú)需使用中間變量

def main（）：

size = 1000000

for _ in range（size）：

a = 3

b = 5

temp = a

a = b

b = tempmain（）

上述代碼在交換值時(shí)創(chuàng)建了一個(gè)臨時(shí)變量temp。如果沒(méi)有中間變量，代碼會(huì)更加簡(jiǎn)潔，運(yùn)行速度也更快。

def main（）：

size = 1000000

for _ in range（size）：

a = 3

b = 5

a， b = b， amain（）

使用字符串聯(lián)方法join ，而不是‘+’

import string

from typing import Listdef concatString（string_list： List［str］） -》 str：

result = ‘’

for str_i in string_list：

result += str_i

return resultdef main（）：

string_list =list（string.ascii_letters * 100）

for _ in range（10000）：

result =concatString（string_list）main（）

另一要點(diǎn)是a+b對(duì)字符串進(jìn)行拼接，由于在Python中字符串是不可變的對(duì)象，所以實(shí)際上a和b分別復(fù)制到了應(yīng)用程序的新內(nèi)存空間中。

因此，如果拼接n個(gè)字符串會(huì)產(chǎn)生“ n-1”個(gè)中間結(jié)果，則每個(gè)字符串都會(huì)產(chǎn)生應(yīng)用和復(fù)制內(nèi)存所需的中間結(jié)果，從而嚴(yán)重影響操作效率。

在使用join（）串聯(lián)字符串時(shí)，首先計(jì)算需要應(yīng)用的總內(nèi)存空間，然后立即申請(qǐng)所需的內(nèi)存，再把每個(gè)字符串元素復(fù)制到內(nèi)存中。

import string

from typing import Listdef concatString（string_list： List［str］） -》 str：

return ‘’.join（string_list）defmain（）：

string_list = list（string.ascii_letters* 100）

for _ in range（10000）：

result =concatString（string_list）main（）

3.避免使用以下函數(shù)屬性

避免訪問(wèn)模塊和函數(shù)屬性

import mathdef computeSqrt（size:int）：

result = ［］

for i in range（size）：

result.append（math.sqrt（i））

return resultdef main（）：

size = 10000

for _ in range（size）：

result = computeSqrt（size）main（）

use（屬性訪問(wèn)運(yùn)算符）會(huì)觸發(fā)特定方法，例如getattribute（）和getattr（），這些方法將執(zhí)行字典操作，會(huì)產(chǎn)生額外的時(shí)間消耗。

通過(guò)使用import語(yǔ)句，可以消除屬性訪問(wèn)：

from math import sqrtdefcomputeSqrt（size： int）：

result = ［］

for i in range（size）：

result.append（sqrt（i））

return resultdef main（）：

size = 10000

for _ in range（size）：

result = computeSqrt（size）main（）

前文中我們討論了局部變量可以比全局變量實(shí)現(xiàn)更快查找，對(duì)于經(jīng)常訪問(wèn)的變量（如sqrt），可以通過(guò)更改為局部變量以加快操作速度。

import mathdef computeSqrt（size:int）：

result = ［］

sqrt = math.sqrt

for i in range（size）：

result.append（sqrt（i））

return resultdef main（）：

size = 10000

for _ in range（size）：

result = computeSqrt（size）main（）

避免類屬性訪問(wèn)

import math

from typing import Listclass DemoClass：

def __init__（self， value： int）：

self._value = value

def computeSqrt（self， size： int）-》 List［float］：

result = ［］

append = result.append

sqrt = math.sqrt

for _ in range（size）：

append（sqrt（self._value））

return resultdef main（）：

size = 10000

for _ in range（size）：

demo_instance = DemoClass（size）

result =demo_instance.computeSqrt（size）main（）

避免的原理也適用于類的屬性，并且訪問(wèn)self._value的速度要比訪問(wèn)局部變量的速度要慢。通過(guò)把需要頻繁訪問(wèn)的類屬性分配給局部變量，可以提高代碼執(zhí)行速度。

import math

from typing import Listclass DemoClass：

def __init__（self， value： int）：

self._value = value

def computeSqrt（self， size： int）-》 List［float］：

result = ［］

append = result.append

sqrt = math.sqrt

value = self._value

for _ in range（size）：

append（sqrt（value））

return resultdef main（）：

size = 10000

for _ in range（size）：

demo_instance = DemoClass（size）

demo_instance.computeSqrt（size）main（）

4.避免不必要的抽象

class DemoClass：

def __init__（self， value： int）：

self.value = value@property

def value（self） -》 int：

return self._value@value.setter

def value（self， x： int）：

self._value = xdef main（）：

size = 1000000

for i in range（size）：

demo_instance = DemoClass（size）

value = demo_instance.value

demo_instance.value = imain（）

每當(dāng)使用其他處理層（例如裝飾器、屬性訪問(wèn)、描述符）封裝代碼時(shí)，代碼運(yùn)行的速度也會(huì)變慢。在大多數(shù)情況下，重新檢查是否有必要使用屬性訪問(wèn)器定義是很有必要的。

使用getter/setter函數(shù)訪問(wèn)屬性通常是被C/C++程序員遺忘的一種編碼樣式。如果確實(shí)沒(méi)有必要，就使用簡(jiǎn)單屬性就好。

class DemoClass：

def __init__（self， value： int）：

self.value = valuedef main（）：

size = 1000000

for i in range（size）：

demo_instance = DemoClass（size）

value = demo_instance.value

demo_instance.value = imain（）

5.選擇合適的數(shù)據(jù)結(jié)構(gòu)

眾所周知，列表是Python中的動(dòng)態(tài)數(shù)組。當(dāng)預(yù)分配的內(nèi)存空間用完時(shí)，會(huì)預(yù)分配一定的內(nèi)存空間，然后繼續(xù)向其中添加元素。然后復(fù)制之前的所有原始元素，形成一個(gè)新的內(nèi)存空間，在插入新元素之前銷毀先前的內(nèi)存空間。

因此，如果頻繁添加或刪除，或者添加或刪除的元素?cái)?shù)量太大，列表的效率就會(huì)變低，目前最好使用collections.deque。

此雙端隊(duì)列具有堆棧和隊(duì)列的特性，并且可以在兩端以O(shè)（1）復(fù)雜度執(zhí)行插入和刪除操作。

列表搜索操作非常耗時(shí)。當(dāng)需要頻繁查找某些元素或按順序頻繁訪問(wèn)這些元素時(shí)，保持列表 對(duì)象有序的情況下使用二分法，使用二進(jìn)制搜索以提高搜索效率，但二進(jìn)制搜索僅適用于有序元素。

另一個(gè)常見(jiàn)的要求是找到最小值或最大值。此時(shí)，可以使用heapq模塊列出轉(zhuǎn)換為堆的列表，因此獲取最小值的時(shí)間復(fù)雜度為O（1）。

6.循環(huán)優(yōu)化

使用 for 循環(huán)代替while 循環(huán)

def computeSum（size： int） -》int：

sum_ = 0

i = 0

while i 《 size：

sum_ += i

i += 1

return sum_def main（）：

size = 10000

for _ in range（size）：

sum_ = computeSum（size）main（）

要知道，Python中的for循環(huán)要比while循環(huán)快得多。

def computeSum（size： int） -》int：

sum_ = 0

for i in range（size）：

sum_ += i

return sum_def main（）：

size = 10000

for _ in range（size）：

sum_ = computeSum（size）main（）

使用隱式for循環(huán)，而不是顯式for循環(huán)

對(duì)于上面的示例，可以進(jìn)一步使用隱式for循環(huán)替換顯式for循環(huán)

def computeSum（size： int） -》int：

return sum（range（size））def main（）：

size = 10000

for _ in range（size）：

sum = computeSum（size）main（）

減少內(nèi)部循環(huán)的計(jì)算

from math import sqrtdef main（）：

size = 10000 for x in range（size）：

for y in range（size）：

z = sqrt（x） + sqrt（y）main（）

在上述for循環(huán)中的代碼sqrt（x）中，在訓(xùn)練期間每次都需要進(jìn)行重新計(jì)算，這會(huì)增加時(shí)間消耗。

import mathdef main（）：

size = 10000for x in range（size）：

sqrt_x = sqrt（x）

for y in range（size）：

z = sqrt_x + sqrt（y）main（）

7.使用 numba.jit

繼續(xù)遵循上述示例，并在此基礎(chǔ)上使用numba.jit。Python函數(shù)JIT可以編譯為機(jī)器代碼用以執(zhí)行，這能大大提高了代碼執(zhí)行速度。

import numba@numba.jit

def computeSum（size： float） -》 int：

sum = 0

for i in range（size）：

sum += i

return sumdef main（）：

size = 10000

for _ in range（size）：

sum = computeSum（size）main（）

8.代碼優(yōu)化原則

上文已經(jīng)介紹了許多加速Python代碼的技術(shù)。在編寫(xiě)代碼的過(guò)程中，我們需要了解代碼優(yōu)化的一些基本原理，這可是“實(shí)用知識(shí)”。

第一個(gè)基本原則就是不要過(guò)早優(yōu)化代碼。

許多人一開(kāi)始編寫(xiě)代碼時(shí)就致力于性能優(yōu)化，“加快正確程序的速度要比確保快速程序的正確運(yùn)作容易得多。”優(yōu)化代碼的前提是確保代碼可以正常工作。過(guò)早的優(yōu)化可能會(huì)忽略對(duì)總體性能指標(biāo)的掌握，并且在獲得總體結(jié)果之前不要顛倒順序。

第二個(gè)基本原則是權(quán)衡優(yōu)化代碼的成本。

優(yōu)化代碼是有代價(jià)的，想要解決所有性能問(wèn)題幾乎不可能。通常面臨的選擇是時(shí)間換空間或空間換時(shí)間，還需要考慮開(kāi)發(fā)成本。

第三個(gè)原則是不要優(yōu)化無(wú)關(guān)緊要的部分。

如果優(yōu)化代碼的每個(gè)部分后，這些變更會(huì)讓代碼變得難以閱讀和理解。如果代碼運(yùn)行緩慢，首先必須找到代碼運(yùn)行緩慢的位置（通常是內(nèi)部循環(huán)），重點(diǎn)優(yōu)化代碼運(yùn)行緩慢的地方。對(duì)于其他位置，時(shí)間的損失影響很小。

優(yōu)化代碼，讓你的Python開(kāi)足馬力，快去實(shí)踐一下吧！