分享Python?加速運行技巧
前言:
Python 是一種腳本語言,相比 C/C++ 這樣的編譯語言,在效率和性能方面存在一些不足。但是,有很多時候,Python 的效率并沒有想象中的那么夸張。本文對一些 Python 代碼加速運行的技巧進行整理。
代碼優(yōu)化原則:
本文會介紹不少的 Python 代碼加速運行的技巧。在深入代碼優(yōu)化細節(jié)之前,需要了解一些代碼優(yōu)化基本原則。
第一個基本原則:不要過早優(yōu)化
很多人一開始寫代碼就奔著性能優(yōu)化的目標(biāo),“讓正確的程序更快要比讓快速的程序正確容易得多”。因此,優(yōu)化的前提是代碼能正常工作。過早地進行優(yōu)化可能會忽視對總體性能指標(biāo)的把握,在得到全局結(jié)果前不要主次顛倒。
第二個基本原則:權(quán)衡優(yōu)化的代價
優(yōu)化是有代價的,想解決所有性能的問題是幾乎不可能的。通常面臨的選擇是時間換空間或空間換時間。另外,開發(fā)代價也需要考慮。
第三個原則:不要優(yōu)化那些無關(guān)緊要的部分
如果對代碼的每一部分都去優(yōu)化,這些修改會使代碼難以閱讀和理解。如果你的代碼運行速度很慢,首先要找到代碼運行慢的位置,通常是內(nèi)部循環(huán),專注于運行慢的地方進行優(yōu)化。在其他地方,一點時間上的損失沒有什么影響。
1.避免全局變量
# 不推薦寫法。代碼耗時:26.8秒 import math ? size = 10000 for x in range(size): ? ? for y in range(size): ? ? ? ? z = math.sqrt(x) + math.sqrt(y)
許多程序員剛開始會用 Python
語言寫一些簡單的腳本,當(dāng)編寫腳本時,通常習(xí)慣了直接將其寫為全局變量,例如上面的代碼。但是,由于全局變量和局部變量實現(xiàn)方式不同,定義在全局范圍內(nèi)的代碼運行速度會比定義在函數(shù)中的慢不少。通過將腳本語句放入到函數(shù)中,通??蓭?15% - 30% 的速度提升。
# 推薦寫法。代碼耗時:20.6秒 import math ? def main(): ?# 定義到函數(shù)中,以減少全部變量使用 ? ? size = 10000 ? ? for x in range(size): ? ? ? ? for y in range(size): ? ? ? ? ? ? z = math.sqrt(x) + math.sqrt(y) ? main()
2.避免
2.1 避免模塊和函數(shù)屬性訪問
# 不推薦寫法。代碼耗時:14.5秒 import math ? def computeSqrt(size: int): ? ? result = [] ? ? for i in range(size): ? ? ? ? result.append(math.sqrt(i)) ? ? return result ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? result = computeSqrt(size) ? main()
每次使用.(屬性訪問操作符時)會觸發(fā)特定的方法,如__getattribute__()
和__getattr__()
,這些方法會進行字典操作,因此會帶來額外的時間開銷。通過from import語句,可以消除屬性訪問。
# 第一次優(yōu)化寫法。代碼耗時:10.9秒 from math import sqrt ? def computeSqrt(size: int): ? ? result = [] ? ? for i in range(size): ? ? ? ? result.append(sqrt(i)) ?# 避免math.sqrt的使用 ? ? return result ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? result = computeSqrt(size) ? main()
在第 1 節(jié)中我們講到,局部變量的查找會比全局變量更快,因此對于頻繁訪問的變量sqrt,通過將其改為局部變量可以加速運行。
# 第二次優(yōu)化寫法。代碼耗時:9.9秒 import math ? def computeSqrt(size: int): ? ? result = [] ? ? sqrt = math.sqrt ?# 賦值給局部變量 ? ? for i in range(size): ? ? ? ? result.append(sqrt(i)) ?# 避免math.sqrt的使用 ? ? return result ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? result = computeSqrt(size) ? main()
除了math.sqrt
外,computeSqrt
函數(shù)中還有.的存在,那就是調(diào)用list的append方法。通過將該方法賦值給一個局部變量,可以徹底消除computeSqrt
函數(shù)中for循環(huán)內(nèi)部的.使用。
# 推薦寫法。代碼耗時:7.9秒 import math ? def computeSqrt(size: int): ? ? result = [] ? ? append = result.append ? ? sqrt = math.sqrt ? ?# 賦值給局部變量 ? ? for i in range(size): ? ? ? ? append(sqrt(i)) ?# 避免 result.append 和 math.sqrt 的使用 ? ? return result ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? result = computeSqrt(size) ? main()
2.2 避免類內(nèi)屬性訪問
# 不推薦寫法。代碼耗時:10.4秒 import math from typing import List ? class 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 result ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? demo_instance = DemoClass(size) ? ? ? ? result = demo_instance.computeSqrt(size) ? main()
避免.的原則也適用于類內(nèi)屬性,訪問self._value的速度會比訪問一個局部變量更慢一些。通過將需要頻繁訪問的類內(nèi)屬性賦值給一個局部變量,可以提升代碼運行速度。
# 推薦寫法。代碼耗時:8.0秒 import math from typing import List ? class 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)) ?# 避免 self._value 的使用 ? ? ? ? return result ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? demo_instance = DemoClass(size) ? ? ? ? demo_instance.computeSqrt(size) ? main()
3.避免不必要的抽象
# 不推薦寫法,代碼耗時:0.55秒 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 = x ? def main(): ? ? size = 1000000 ? ? for i in range(size): ? ? ? ? demo_instance = DemoClass(size) ? ? ? ? value = demo_instance.value ? ? ? ? demo_instance.value = i ? main()
任何時候當(dāng)你使用額外的處理層(比如裝飾器、屬性訪問、描述器)去包裝代碼時,都會讓代碼變慢。大部分情況下,需要重新進行審視使用屬性訪問器的定義是否有必要,使用getter/setter函數(shù)對屬性進行訪問通常是 C/C++ 程序員遺留下來的代碼風(fēng)格。如果真的沒有必要,就使用簡單屬性。
# 推薦寫法,代碼耗時:0.33秒 class DemoClass: ? ? def __init__(self, value: int): ? ? ? ? self.value = value ?# 避免不必要的屬性訪問器 ? def main(): ? ? size = 1000000 ? ? for i in range(size): ? ? ? ? demo_instance = DemoClass(size) ? ? ? ? value = demo_instance.value ? ? ? ? demo_instance.value = i ? main()
4.避免數(shù)據(jù)復(fù)制
4.1 避免無意義的數(shù)據(jù)復(fù)制
# 不推薦寫法,代碼耗時:6.5秒 def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? value = range(size) ? ? ? ? value_list = [x for x in value] ? ? ? ? square_list = [x * x for x in value_list] ? main()
上面的代碼中value_list
完全沒有必要,這會創(chuàng)建不必要的數(shù)據(jù)結(jié)構(gòu)或復(fù)制。
# 推薦寫法,代碼耗時:4.8秒 def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? value = range(size) ? ? ? ? square_list = [x * x for x in value] ?# 避免無意義的復(fù)制 ? main()
另外一種情況是對 Python 的數(shù)據(jù)共享機制過于偏執(zhí),并沒有很好地理解或信任 Python 的內(nèi)存模型,濫用 copy.deepcopy()
之類的函數(shù)。通常在這些代碼中是可以去掉復(fù)制操作的。
4.2 交換值時不使用中間變量
# 不推薦寫法,代碼耗時:0.07秒 def main(): ? ? size = 1000000 ? ? for _ in range(size): ? ? ? ? a = 3 ? ? ? ? b = 5 ? ? ? ? temp = a ? ? ? ? a = b ? ? ? ? b = temp ? main()
上面的代碼在交換值時創(chuàng)建了一個臨時變量temp
,如果不借助中間變量,代碼更為簡潔、且運行速度更快。
# 推薦寫法,代碼耗時:0.06秒 def main(): ? ? size = 1000000 ? ? for _ in range(size): ? ? ? ? a = 3 ? ? ? ? b = 5 ? ? ? ? a, b = b, a ?# 不借助中間變量 ? main()
4.3 字符串拼接用join而不是+
# 不推薦寫法,代碼耗時:2.6秒 import string from typing import List ? def concatString(string_list: List[str]) -> str: ? ? result = '' ? ? for str_i in string_list: ? ? ? ? result += str_i ? ? return result ? def main(): ? ? string_list = list(string.ascii_letters * 100) ? ? for _ in range(10000): ? ? ? ? result = concatString(string_list) ? main()
當(dāng)使用a + b拼接字符串時,由于 Python
中字符串是不可變對象,其會申請一塊內(nèi)存空間,將a和b分別復(fù)制到該新申請的內(nèi)存空間中。因此,如果要拼接n個字符串,會產(chǎn)生 n-1個中間結(jié)果,每產(chǎn)生一個中間結(jié)果都需要申請和復(fù)制一次內(nèi)存,嚴(yán)重影響運行效率。而使用join()拼接字符串時,會首先計算出需要申請的總的內(nèi)存空間,然后一次性地申請所需內(nèi)存,并將每個字符串元素復(fù)制到該內(nèi)存中去。
# 推薦寫法,代碼耗時:0.3秒 import string from typing import List ? def concatString(string_list: List[str]) -> str: ? ? return ''.join(string_list) ?# 使用 join 而不是 + ? def main(): ? ? string_list = list(string.ascii_letters * 100) ? ? for _ in range(10000): ? ? ? ? result = concatString(string_list) ? main()
5.利用 if 條件的短路特性
# 不推薦寫法,代碼耗時:0.05秒 from typing import List ? def concatString(string_list: List[str]) -> str: ? ? abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'} ? ? abbr_count = 0 ? ? result = '' ? ? for str_i in string_list: ? ? ? ? if str_i in abbreviations: ? ? ? ? ? ? result += str_i ? ? return result ? def main(): ? ? for _ in range(10000): ? ? ? ? string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.'] ? ? ? ? result = concatString(string_list) ? main()
if 條件的短路特性是指對if a and b這樣的語句, 當(dāng)a為False時將直接返回,不再計算b;對于if a or b這樣的語句,當(dāng)a為True時將直接返回,不再計算b。因此, 為了節(jié)約運行時間,對于or語句,應(yīng)該將值為True可能性比較高的變量寫在or前,而and應(yīng)該推后。
# 推薦寫法,代碼耗時:0.03秒 from typing import List ? def concatString(string_list: List[str]) -> str: ? ? abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'} ? ? abbr_count = 0 ? ? result = '' ? ? for str_i in string_list: ? ? ? ? if str_i[-1] == '.' and str_i in abbreviations: ?# 利用 if 條件的短路特性 ? ? ? ? ? ? result += str_i ? ? return result ? def main(): ? ? for _ in range(10000): ? ? ? ? string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.'] ? ? ? ? result = concatString(string_list) ? main()
6.循環(huán)優(yōu)化
6.1 用for循環(huán)代替while循環(huán)
# 不推薦寫法。代碼耗時:6.7秒 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()
Python 的for循環(huán)比while循環(huán)快不少。
# 推薦寫法。代碼耗時:4.3秒 def computeSum(size: int) -> int: ? ? sum_ = 0 ? ? for i in range(size): ?# for 循環(huán)代替 while 循環(huán) ? ? ? ? sum_ += i ? ? return sum_ ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? sum_ = computeSum(size) ? main()
6.2 使用隱式for循環(huán)代替顯式for循環(huán)
針對上面的例子,更進一步可以用隱式for循環(huán)來替代顯式for循環(huán)
# 推薦寫法。代碼耗時:1.7秒 def computeSum(size: int) -> int: ? ? return sum(range(size)) ?# 隱式 for 循環(huán)代替顯式 for 循環(huán) ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? sum = computeSum(size) ? main()
6.3 減少內(nèi)層for循環(huán)的計算
# 不推薦寫法。代碼耗時:12.8秒 import math ? def main(): ? ? size = 10000 ? ? sqrt = math.sqrt ? ? for x in range(size): ? ? ? ? for y in range(size): ? ? ? ? ? ? z = sqrt(x) + sqrt(y) ? main()
上面的代碼中sqrt(x)
位于內(nèi)側(cè)for循環(huán), 每次訓(xùn)練過程中都會重新計算一次,增加了時間開銷。
# 推薦寫法。代碼耗時:7.0秒 import math ? def main(): ? ? size = 10000 ? ? sqrt = math.sqrt ? ? for x in range(size): ? ? ? ? sqrt_x = sqrt(x) ?# 減少內(nèi)層 for 循環(huán)的計算 ? ? ? ? for y in range(size): ? ? ? ? ? ? z = sqrt_x + sqrt(y) ? main()
7.使用 numba.jit
我們沿用上面介紹過的例子,在此基礎(chǔ)上使用numba.jit
。numba可以將 Python 函數(shù) JIT 編譯為機器碼執(zhí)行,大大提高代碼運行速度。
# 推薦寫法。代碼耗時:0.62秒 import numba ? @numba.jit def computeSum(size: float) -> int: ? ? sum = 0 ? ? for i in range(size): ? ? ? ? sum += i ? ? return sum ? def main(): ? ? size = 10000 ? ? for _ in range(size): ? ? ? ? sum = computeSum(size) ? main()
8.選擇合適的數(shù)據(jù)結(jié)構(gòu)
Python 內(nèi)置的數(shù)據(jù)結(jié)構(gòu)如str
, tuple
, list
, set, dict底層都是 C 實現(xiàn)的,速度非???,自己實現(xiàn)新的數(shù)據(jù)結(jié)構(gòu)想在性能上達到內(nèi)置的速度幾乎是不可能的。
list類似于 C++ 中的std::vector
,是一種動態(tài)數(shù)組。其會預(yù)分配一定內(nèi)存空間,當(dāng)預(yù)分配的內(nèi)存空間用完,又繼續(xù)向其中添加元素時,會申請一塊更大的內(nèi)存空間,然后將原有的所有元素都復(fù)制過去,之后銷毀之前的內(nèi)存空間,再插入新元素。刪除元素時操作類似,當(dāng)已使用內(nèi)存空間比預(yù)分配內(nèi)存空間的一半還少時,會另外申請一塊小內(nèi)存,做一次元素復(fù)制,之后銷毀原有大內(nèi)存空間。
因此,如果有頻繁的新增、刪除操作,新增、刪除的元素數(shù)量又很多時,list的效率不高。此時,應(yīng)該考慮使用collections.deque
。collections.deque
是雙端隊列,同時具備棧和隊列的特性,能夠在兩端進行 O(1)復(fù)雜度的插入和刪除操作。
list的查找操作也非常耗時。當(dāng)需要在list頻繁查找某些元素,或頻繁有序訪問這些元素時,可以使用bisect
維護list對象有序并在其中進行二分查找,提升查找的效率。
另外一個常見需求是查找極小值或極大值,此時可以使用heapq模塊將list轉(zhuǎn)化為一個堆,使得獲取最小值的時間復(fù)雜度是O(1)。
到此這篇關(guān)于分享Python 加速運行技巧的文章就介紹到這了,更多相關(guān)Python 加速運行技巧內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
pytorch中 gpu與gpu、gpu與cpu 在load時相互轉(zhuǎn)化操作
這篇文章主要介紹了pytorch模型載入之gpu和cpu互轉(zhuǎn)操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05Python+wxPython實現(xiàn)一個簡單的音樂播放器
這篇文章主要為大家詳細介紹了如何使用Python編程語言和wxPython模塊創(chuàng)建一個簡單的音樂播放器,文中的示例代碼講解詳細,感興趣的可以了解下2023-09-09python中使用input()函數(shù)獲取用戶輸入值方式
這篇文章主要介紹了python中使用input()函數(shù)獲取用戶輸入值方式,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05使用Python給頭像加上圣誕帽或圣誕老人小圖標(biāo)附源碼
圣誕的到來給大家?guī)硐矏?,今天圣誕老人給大家送一頂圣誕帽,今天小編通過代碼給大家分享使用Python給頭像加上圣誕帽或圣誕老人小圖標(biāo)附源碼,需要的朋友一起看看吧2019-12-12Python實戰(zhàn)之大魚吃小魚游戲的實現(xiàn)
這篇文章主要介紹了如何利用Python制作一個經(jīng)典游戲之大魚吃小魚,文中的示例代碼講解詳細,對我們學(xué)習(xí)Python有一定幫助,需要的可以參考一下2022-04-04Pandas中DataFrame.head()函數(shù)的具體使用
DataFrame.head()是Pandas庫中一個非常重要的函數(shù),用于返回DataFrame對象的前n行,本文主要介紹了Pandas中DataFrame.head()函數(shù)的具體使用,感興趣的可以了解一下2024-07-07