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python腳本的運行時間有顯著影響。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)。

運行下面的代碼，可以看到元組執(zhí)行簡單檢索操作的速度比列表快。其中dis模塊反匯編了一個函數(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(nèi)置函數(shù)和第三方庫

如果你正在使用python并且仍在自己編寫一些通用函數(shù)(比如加法、減法)，那么是在侮辱python。 Python有大量的庫和內(nèi)置函數(shù)來幫助你不用編寫這些函數(shù)。如果研究下，那么你會驚奇地發(fā)現(xiàn)幾乎90%的問題已經(jīng)有第三方包或內(nèi)置函數(shù)來解決。

可以通過訪問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)的場景。

比如，現(xiàn)在我們想合并列表中的所有單詞為一個句子，比較法自己編寫和調(diào)用庫函數(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(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CPU

## 返回n以內(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

誰快誰慢，一眼便知！

filter 配合lambda大法就是屌！?。?/p>

4. 避免循環(huán)重復(fù)計算

如果你有一個迭代器，必須用它的元素做一些耗時計算，比如匹配正則表達式。你應(yīng)該將正則表達式模式定義在循環(huán)之外，因為最好只編譯一次模式，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)外進行盡可能多的運算，比如將函數(shù)計算分配給局部變量，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)存占用是指程序運行時使用的內(nèi)存量。為了讓Python代碼運行得更快，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 訪問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。一個在程序中定義過的全局變量會一直存在，直到整個程序編譯完成，所以它一直占據(jù)著內(nèi)存空間。另一方面，局部變量訪問更快，且函數(shù)完成后即可回收。因此，使用多個局部變量比使用全局變量會更好。

# ? 應(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()