提升?Python?代碼運(yùn)行速度的6個(gè)技巧
其實(shí)，Python 比我們想象的運(yùn)行的要快。我們之所以有先入為主的認(rèn)為Python運(yùn)行慢，可能是我們平常的誤用和缺乏使用技巧知識(shí)。
接下來讓我們看看如何用一些簡(jiǎn)單的Trick來提高我們程序的運(yùn)行性能
1、使用內(nèi)置函數(shù)
Python中的許多內(nèi)置函數(shù)都是用C實(shí)現(xiàn)的，并且經(jīng)過了很好的優(yōu)化。因此，如果熟悉這些內(nèi)置函數(shù)，就可以提高Python代碼的性能。一些常用的內(nèi)置函數(shù)有sum()、len()、map()、max()等。
假設(shè)我們有一個(gè)包含單詞的列表，我們希望每個(gè)單詞的首字母均變?yōu)榇髮?。此時(shí)使用map()函數(shù)是不錯(cuò)的選擇。
一般版本:
new_list = [] word_list = ["i", "am", "a", "python", "programmer"] for word in word_list: ? ? new_list.append(word.capitalize())
改進(jìn)版本:
word_list = ["i", "am", "a", "python", "programmer"] new_list = list(map(str.capitalize, word_list))
時(shí)間對(duì)比:
import time new_list = [] word_list = ["i", "am", "a", "python", "programmer"] start = time.time() for word in word_list: ? ? new_list.append(word.capitalize()) print(time.time() - start, "seconds") start = time.time() new_list = list(map(str.capitalize, word_list)) print(time.time() - start, "seconds")
運(yùn)行結(jié)果:
1.0013580322265625e-05 seconds
4.76837158203125e-06 seconds
可以看出第二種方法運(yùn)行速度快了將近2倍.
2、字符串連接 VS join()
在Python中，字符串是不可變的，因此我們不能修改它們。
每次當(dāng)我們連接多個(gè)字符串時(shí)，我們將會(huì)創(chuàng)建一個(gè)新的字符串,此時(shí)會(huì)導(dǎo)致一些運(yùn)行性能問題。
一般版本:
new_list = [] word_list = ["I", "am", "a", "Python", "programmer"] for word in word_list: ? ? new_list += word
改進(jìn)版本:
word_list = ["I", "am", "a", "Python", "programmer"] new_list = "".join(word_list)
時(shí)間對(duì)比:
import time new_list = [] word_list = ["I", "am", "a", "Python", "programmer"] start = time.time() for word in word_list: ? ? new_list += word print(time.time() - start, "seconds") start = time.time() new_list = "".join(word_list) print(time.time() - start, "seconds")
運(yùn)行結(jié)果:
4.0531158447265625e-06 seconds
9.5367431640625e-07 seconds
使用Join()函數(shù)可以讓代碼運(yùn)行快4倍.
3、創(chuàng)建列表和字典的方式
一般來說,使用[]和{}來創(chuàng)建列表和字典相比使用list()和dict{}運(yùn)行更加高效.這是因?yàn)槭褂?code>list()和dict{}來創(chuàng)建對(duì)象時(shí)需要調(diào)用一個(gè)附加函數(shù).
一般版本:
list() dict()
改進(jìn)版本:
()
{}時(shí)間對(duì)比:
為了便于對(duì)比時(shí)間,這里我們使用timeit函數(shù)來統(tǒng)計(jì),我們運(yùn)行1百萬次,來看二者的時(shí)間對(duì)比,代碼如下:
import timeit
slower_list = timeit.timeit("list()", number=10**6)
slower_dict = timeit.timeit("dict()", number=10**6)
faster_list = timeit.timeit("[]", number=10**6)
faster_dict = timeit.timeit("{}", number=10**6)
print(slower_list, "seconds")
print(slower_dict, "seconds")
print(faster_list, "seconds")
print(faster_dict, "seconds")運(yùn)行結(jié)果:
0.08825178800000001 seconds
0.083323732 seconds
0.019935448999999994 seconds
0.027835573000000002 seconds
可以看出,我們的運(yùn)行速度快了將近4倍.
4、使用 f-Strings
我們已經(jīng)知道將字符串進(jìn)行串聯(lián)可能會(huì)使程序變慢。
另一個(gè)比較好的解決方案是使用f-Strings。
一般版本:
me = "Python" string = "Make " + me + " faster"
改進(jìn)版本:
me = "Python"
string = f"Make {me} faster"時(shí)間對(duì)比:
import time
me = "Python"
start = time.time()
string = "Make " + me + " faster"
print(time.time() - start, "seconds")
start = time.time()
string = f"Make {me} faster"
print(time.time() - start, "seconds")運(yùn)行結(jié)果:
2.1457672119140625e-06 seconds
9.5367431640625e-07 seconds
可以看出,我們的運(yùn)行速度快了將近2倍.
5、使用Comprehensions
Python中的List Comprehensions為我們提供了更短的語(yǔ)法，甚至只有一行代碼來實(shí)現(xiàn)各種強(qiáng)大的功能。很多用到循環(huán)的場(chǎng)景下,我們盡量使用生成式的語(yǔ)法來實(shí)現(xiàn).
一般版本:
new_list = [] existing_list = range(1000000) for i in existing_list: ? ? if i % 2 == 1: ? ? ? ? new_list.append(i)
較快版本:
existing_list = range(1000000) new_list = [i for i in existing_list if i % 2 == 1]
時(shí)間對(duì)比:
import time new_list = [] existing_list = range(1000000) start = time.time() for i in existing_list: ? ? if i % 2 == 1: ? ? ? ? new_list.append(i) print(time.time() - start, "seconds") start = time.time() new_list = [i for i in existing_list if i % 2 == 1] print(time.time() - start, "seconds")
運(yùn)行結(jié)果:
0.16418218612670898 seconds
0.07834219932556152 seconds
可以看出,我們的運(yùn)行速度快了將近2倍.
6、附錄- Python中的內(nèi)置函數(shù)
我們可以通過官網(wǎng)來查看Python的內(nèi)置函數(shù).
如果我們只關(guān)注上述例子中一些短小的代碼片段,這些技巧似乎沒有太大的改善。 實(shí)際上，我們的項(xiàng)目很容易變得復(fù)雜,此時(shí)上述技巧就派上用場(chǎng)啦！
7. 總結(jié)
本文重點(diǎn)介紹了在Python中如何使用一些簡(jiǎn)單的Trick來提升代碼運(yùn)行效率，并給出了相應(yīng)的代碼示例。
相關(guān)文章
python中的對(duì)數(shù)log函數(shù)表示及用法
在本篇文章里小編給大家整理了一篇關(guān)于python中的對(duì)數(shù)log函數(shù)表示及用法，有需要的朋友們可以學(xué)習(xí)下。2020-12-12
Flask SQLAlchemy一對(duì)一,一對(duì)多的使用方法實(shí)踐
Flask-SQLAlchemy一對(duì)一,一對(duì)多的使用方法實(shí)踐，需要的朋友可以參考下2013-02-02
解析Sentry?Relay?二次開發(fā)調(diào)試
這篇文章主要介紹了Sentry?Relay?二次開發(fā)調(diào)試簡(jiǎn)介,集成測(cè)試要求?Redis?和?Kafka?在其默認(rèn)配置中運(yùn)行，獲取所有必需服務(wù)的最便捷方式是通過?sentry?devservices，這需要最新的?Sentry?開發(fā)環(huán)境，本文給大家介紹的非常詳細(xì)，需要的朋友參考下吧2022-03-03
pycharm運(yùn)行程序時(shí)出現(xiàn)Run‘python tests for XXX.py‘問題及
這篇文章主要介紹了pycharm運(yùn)行程序時(shí)出現(xiàn)Run ‘python tests for XXX.py‘問題及解決方案,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2023-08-08
Python中Async語(yǔ)法協(xié)程的實(shí)現(xiàn)
這篇文章主要介紹了Python中Async語(yǔ)法協(xié)程的實(shí)現(xiàn)，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-06-06
Python使用sigthief簽發(fā)證書的實(shí)現(xiàn)步驟
Windows 系統(tǒng)中的一些非常重要文件通常會(huì)被添加數(shù)字簽名，其目的是用來防止被篡改，能確保用戶通過互聯(lián)網(wǎng)下載時(shí)能確信此代碼沒有被非法篡改和來源可信，從而保護(hù)了代碼的完整性、保護(hù)了用戶不會(huì)被病毒、惡意代碼和間諜軟件所侵害，本章將演示證書的簽發(fā)與偽造2021-06-06
使用Python的數(shù)據(jù)可視化庫(kù)Matplotlib實(shí)現(xiàn)折線圖
數(shù)據(jù)可視化是數(shù)據(jù)分析和探索中不可或缺的一環(huán)，本文將介紹如何使用Python中的數(shù)據(jù)可視化庫(kù)Matplotlib，通過示例代碼實(shí)現(xiàn)一個(gè)簡(jiǎn)單的折線圖，感興趣的同學(xué)可以參考閱讀下2023-07-07
python3.7安裝matplotlib失敗問題的完美解決方法
由于學(xué)習(xí)需要安裝matplotlib庫(kù),閱讀網(wǎng)上教程后一直出現(xiàn)各種各樣的錯(cuò)誤,下面這篇文章主要給大家介紹了關(guān)于python3.7安裝matplotlib失敗問題的完美解決方法,需要的朋友可以參考下2022-07-07
python實(shí)現(xiàn)web應(yīng)用框架之增加動(dòng)態(tài)路由
這篇文章主要介紹web應(yīng)用框架如何添加動(dòng)態(tài)路由，在我們編寫的框架中，我們添加動(dòng)態(tài)路由，是使用了正則表達(dá)式，同時(shí)在注冊(cè)的時(shí)候，需要注明該路由是請(qǐng)求路由，文中有詳細(xì)的代碼示例，需要的朋友可以參考下2023-05-05
這篇文章主要介紹了django 中QuerySet特性功能詳解,文中通過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2019-07-07