亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

分享Python?加速運行技巧

 更新時間:2022年03月30日 09:21:02   作者:Python研究者  
這篇文章主要介紹了分享Python?加速運行技巧,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,本文對一些?Python?代碼加速運行的技巧進行整,需要的小伙伴可以參考一下

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__()__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

最新評論