盤點提高 Python 代碼效率的方法
第一招:蛇打七寸:定位瓶頸
首先,第一步是定位瓶頸。舉個簡單的栗子,一個函數(shù)可以從1秒優(yōu)化到到0.9秒,另一個函數(shù)可以從1分鐘優(yōu)化到30秒,如果要花的代價相同,而且時間限制只能搞定一個,搞哪個?根據(jù)短板原理,當然選第二個啦。
一個有經(jīng)驗的程序員在這里一定會遲疑一下,等等?函數(shù)?這么說,還要考慮調(diào)用次數(shù)?如果第一個函數(shù)在整個程序中需要被調(diào)用100000次,第二個函數(shù)在整個程序中被調(diào)用1次,這個就不一定了。舉這個栗子,是想說明,程序的瓶頸有的時候不一定一眼能看出來。還是上面那個選擇,程序員的你應該有感覺的,大多數(shù)情況下:一個「可以」從一分鐘優(yōu)化到30秒的函數(shù)會比一個「可以」從1秒優(yōu)化到0.9秒的函數(shù)更容易捕獲我們的注意,因為有很大的進步空間嘛。
所以,這么多廢話講完,獻上第一招,profile。這是 python 自帶的定位程序瓶頸的利器!雖然它提供了三種選項profile,cProfile,hotshot。還分為內(nèi)置和外置。但是,個人覺得一種足矣,外置cProfile。心法如下:
python -m profile 逗比程序.py
這招的效果會輸出一系列東西,比如函數(shù)被調(diào)用了幾次,總時間多少,其中有多少是這個函數(shù)的子函數(shù)花費的,每次花多少時間,等等。嘛一圖勝千言:
filename:lineno(function): 文件名:第幾行(函數(shù)名)
ncalls: 這貨一共調(diào)用了幾次
tottime: 這貨自己總共花了多少時間,也就是要除掉內(nèi)部函數(shù)小弟們的花費
percall: 平均每次調(diào)用花的時間,tottime 除以 ncalls
cumtime: 這貨還有它的所有內(nèi)部函數(shù)小弟們的總花費
percall: 跟上面那個 percall 差不多,不過是 cumtime 除以 ncalls
找到最值得優(yōu)化的點,然后干吧。
第二招:一蛇禪:只需一招
記得剛開始接觸 Python 的時候,有一位學長告訴我,Python 有一個牛逼的理想,它希望每一個用它的人能寫出一模一樣的程序。Python 之禪有云:
There should be one-- and preferably only one --obvious way to do it
所以 Python 系專業(yè)的禪師提供了一些常用功能的 only one 的寫法。本人看了一下傳說中的PythonWiKi:PerformanceTips,總結(jié)了幾個「不要醬紫」「要醬紫」。
合并字符串的時候不要醬紫:
s = "" for substring in list: s += substring
要醬紫:
s = "".join(slist)
格式化字符串的時候不要醬紫:
out = "<html>" + head + prologue + query + tail + "</html>"
要醬紫:
out = "<html>%s%s%s%s</html>" % (head, prologue, query, tail)
可以不用循環(huán)的時候就不要用循環(huán),比如不要醬紫:
newlist = [] for word in oldlist: newlist.append(word.upper())
要醬紫:
newlist = map(str.upper, oldlist)
或者醬紫:
newlist = [s.upper() for s in oldlist]
字典初始化,比較常用的:
wdict = {} for word in words: if word not in wdict: wdict[word] = 0 wdict[word] += 1
如果重復的 word 太多了的話,可以考慮用醬紫的模式來省掉大量判斷:
wdict = {} for word in words: try: wdict[word] += 1 except KeyError: wdict[word] = 1
盡量減少 function 調(diào)用次數(shù),用內(nèi)部循環(huán)代替,比如,不要醬紫:
x = 0 def doit1(i): global x x = x + i list = range(100000) t = time.time() for i in list: doit1(i)
要醬紫:
x = 0 def doit2(list): global x for i in list: x = x + i list = range(100000) t = time.time() doit2(list)
第三招:蛇之狙擊:高速搜索
這一招部分來源于IBM:Python 代碼性能優(yōu)化技巧,搜索算法的最高境界是O(1)的算法復雜度。也就是 Hash Table。本人幸本科的時候?qū)W了點數(shù)據(jù)結(jié)構(gòu)。知道 Python 的 list 使用類似鏈表的方法實現(xiàn)的。如過列表很大的話,在茫茫多的項里面用 if X in list_a 來做搜索和判斷效率是非常低的。
Python 的 tuple 我用得非常少,不評論。另兩個我用得非常多的是 set 和 dict。這兩個就是用的類似 Hash Table 的實現(xiàn)方法。
所以盡量不要醬紫:
k = [10,20,30,40,50,60,70,80,90] for i in xrange(10000): if i in k: #Do something continue
要醬紫:
``` k = [10,20,30,40,50,60,70,80,90] k_dict = {i:0 for i in k}
先把 list 轉(zhuǎn)換成 dictionary
for i in xrange(10000): if i in k_dict: #Do something continue ```
找 list 的交集,不要醬紫:
list_a = [1,2,3,4,5] list_b = [4,5,6,7,8] list_common = [a for a in list_a if a in list_b]
要醬紫:
list_a = [1,2,3,4,5] list_b = [4,5,6,7,8] list_common = set(list_a)&set(list_b)
第四招:小蛇蛇……:想不出來名字了,就是各種小 Tips
變量交換不需要中間變量:a,b = b,a (這里有個神坑,至今記憶深刻:True,False = False,True)
如果使用 Python2.x,用 xrange 代替 range,如果用 Python3.x,range 已經(jīng)是 xrange 了,xrange 已經(jīng)木有了。xrange 不會像 range 一樣生成一個列表,而是生成一個迭代器,省內(nèi)存。
可以用 x>y>z 代替 x>y and y>z。效率更高,可讀性也更好。當然理論上 x>y
add(x,y) 一般會比 a+b 要快?這個本人有所懷疑,實驗了一下,首先 add 不能直接用,要 import operator,第二,我的實驗結(jié)果表示 add(x,y) 完全沒有 a+b 快,更何況還要犧牲可讀性。
while 1 確實比 while True 要快那么一點點。做了兩次實驗,大概快了15%左右。
第五招:無蛇勝有蛇:代碼之外的性能
代碼之外嘛,除了硬件之外,就是編譯器了,這里隆重推薦 pypy。pypy是一種叫做 just-in-time 的即時編譯器。這個編譯器的特點就是編譯一句跑一句,和靜態(tài)的編譯器的區(qū)別嘛,我在知乎上看到一個非常形象的比喻:
假定你是一個導演,靜態(tài)編譯就是讓演員把整個劇本背下來吃透,然后連續(xù)表演一個小時。動態(tài)編譯就是讓演員表演兩分鐘,然后思考一下,再看一下劇本,再表演兩分鐘……
動態(tài)編譯和靜態(tài)編譯各有所長,看你演的是電影還是話劇了。
此外還有一個 Cython 可以在 python 里內(nèi)置一些 C 的代碼。我用的非常少,但是關(guān)鍵時刻確實有效。
相關(guān)文章
Python發(fā)送form-data請求及拼接form-data內(nèi)容的方法
這篇文章主要介紹了Python發(fā)送form-data請求及拼接form-data內(nèi)容的方法,文中采用的是requests的方式發(fā)送multipart/form-data請求,需要的朋友可以參考下2016-03-03