提升Python運(yùn)行速度的5個(gè)小技巧
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 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(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_SUBSCR
10 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(fǎng)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 sec
f2 : 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 sec
f_list : 0.056110 sec
f_iter : 0.000015 sec
f_filter : 0.000003 sec
f_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 sec
f_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(fǎng)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(fǎng)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)注腳本之家的更多內(nèi)容!
相關(guān)文章
numpy 計(jì)算兩個(gè)數(shù)組重復(fù)程度的方法
今天小編就為大家分享一篇numpy 計(jì)算兩個(gè)數(shù)組重復(fù)程度的方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-11-11Python實(shí)現(xiàn)圖片查找輪廓、多邊形擬合、最小外接矩形代碼
這篇文章主要介紹了Python實(shí)現(xiàn)圖片查找輪廓、多邊形擬合、最小外接矩形代碼,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-07-07Python根據(jù)已知鄰接矩陣?yán)L制無(wú)向圖操作示例
這篇文章主要介紹了Python根據(jù)已知鄰接矩陣?yán)L制無(wú)向圖操作,涉及Python使用networkx、matplotlib進(jìn)行數(shù)值運(yùn)算與圖形繪制相關(guān)操作技巧,需要的朋友可以參考下2018-06-06Python基于jieba庫(kù)進(jìn)行簡(jiǎn)單分詞及詞云功能實(shí)現(xiàn)方法
這篇文章主要介紹了Python基于jieba庫(kù)進(jìn)行簡(jiǎn)單分詞及詞云功能實(shí)現(xiàn)方法,結(jié)合實(shí)例形式分析了Python分詞庫(kù)jieba以及wordcloud庫(kù)進(jìn)行詞云繪制相關(guān)步驟與操作技巧,需要的朋友可以參考下2018-06-06Python中選擇結(jié)構(gòu)實(shí)例講解
在本篇文章里小編給大家整理了關(guān)于Python選擇結(jié)構(gòu)的基礎(chǔ)知識(shí)點(diǎn)及相關(guān)實(shí)例,有需要的朋友們可以學(xué)習(xí)參考下。2022-11-11Python轉(zhuǎn)json時(shí)出現(xiàn)中文亂碼的問(wèn)題及解決
這篇文章主要介紹了Python轉(zhuǎn)json時(shí)出現(xiàn)中文亂碼的問(wèn)題及解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-02-02Python類(lèi)成員繼承重寫(xiě)的實(shí)現(xiàn)
這篇文章主要介紹了Python類(lèi)成員繼承重寫(xiě)的實(shí)現(xiàn),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09