python 性能提升的幾種方法

更新時間：2024年09月24日 17:08:48 投稿：lqh

本篇文章主要介紹python 性能提升的幾種方法,并附有代碼參考示例,有需要的小伙伴可以參考下

關(guān)于python 性能提升的一些方案。

一、函數(shù)調(diào)用優(yōu)化（空間跨度，避免訪問內(nèi)存）

程序的優(yōu)化核心點(diǎn)在于盡量減少操作跨度，包括代碼執(zhí)行時間上的跨度以及內(nèi)存中空間跨度。

1.大數(shù)據(jù)求和，使用sum

a = range(100000)
%timeit -n 10 sum(a)
10 loops, best of 3: 3.15 ms per loop
%%timeit
  ...: s = 0
  ...: for i in a:
  ...:  s += i
  ...:
100 loops, best of 3: 6.93 ms per loop

2.小數(shù)據(jù)求和，避免使用sum

%timeit -n 1000 s = a + b + c + d + e + f + g + h + i + j + k # 數(shù)據(jù)量較小時直接累加更快
1000 loops, best of 3: 571 ns per loop
%timeit -n 1000 s = sum([a,b,c,d,e,f,g,h,i,j,k]) # 小數(shù)據(jù)量調(diào)用 sum 函數(shù)，空間效率降低
1000 loops, best of 3: 669 ns per loop

結(jié)論：大數(shù)據(jù)求和sum效率高，小數(shù)據(jù)求和直接累加效率高。

二、for循環(huán)優(yōu)化之取元素（使用?；蚣拇嫫?，避免訪問內(nèi)存）

for lst in [(1, 2, 3), (4, 5, 6)]: # lst 索引需要額外開銷
  pass

　應(yīng)盡量避免使用索引。

for a, b, c in [(1, 2, 3), (4, 5, 6)]: # better
  pass

相當(dāng)于給每一個元素直接賦值。

def force():
 lst = range(4)
 for a1 in [1, 2]:
   for a2 in lst:
     for a3 in lst:
       for b1 in lst:
         for b2 in lst:
           for b3 in lst:
             for c1 in lst:
               for c2 in lst:
                 for c3 in lst:
                   for d1 in lst:
                     yield (a1, a2, a3, b1, b2, b3, c1, c2, c3, d1)
                      
%%timeit -n 10
for t in force():
  sum([t[0], t[1], t[2], t[3], t[4], t[5], t[6], t[7], t[8], t[9]])
10 loops, best of 3: 465 ms per loop
%%timeit -n 10
for a1, a2, a3, b1, b2, b3, c1, c2, c3, d1 in force():
  sum([a1, a2, a3, b1, b2, b3, c1, c2, c3, d1])
10 loops, best of 3: 360 ms per loop

三、生成器優(yōu)化（查表代替運(yùn)算）

def force(start, end): # 用于密碼程序
  for i in range(start, end):
    now = i
    sublst = []
    for j in range(10):
      sublst.append(i % 10) # 除法運(yùn)算開銷較大，比乘法大
      i //= 10
    sublst.reverse()
    yield(tuple(sublst), now)

def force(): # better
 lst = range(5)
 for a1 in [1]:
   for a2 in lst:
     for a3 in lst:
       for b1 in lst:
         for b2 in lst:
           for b3 in lst:
             for c1 in lst:
               for c2 in lst:
                 for c3 in lst:
                   for d1 in lst:
                     yield (a1, a2, a3, b1, b2, b3, c1, c2, c3, d1)

r0 = [1, 2] # 可讀性與靈活性
r1 = range(10)
r2 = r3 = r4 = r5 = r6 = r7 = r8 = r9 = r1
force = ((a0, a1, a2, a3, a4, a5, a6, a7, a8, a9)
      for a0 in r0 for a1 in r1 for a2 in r2 for a3 in r3 for a4 in r4
      for a5 in r5 for a6 in r6 for a7 in r7 for a8 in r8 for a9 in r9)

四、冪運(yùn)算優(yōu)化（pow（x，y，z））　

def isprime(n):
  if n & 1 == 0:
    return False
  k, q = find_kq(n)
  a = randint(1, n - 1)
  if pow(a, q, n) == 1: # 比使用 a ** q % n 運(yùn)算優(yōu)化數(shù)倍
    return True
  for j in range(k):
    if pow(a, pow(2, j) * q, n) == n - 1: # a **((2 ** j) * q) % n
      return True
  return False

結(jié)論：pow（x,y,z）優(yōu)于x**y%z.

五、除法運(yùn)算優(yōu)化

In [1]: from random import getrandbits
 
In [2]: x = getrandbits(4096)
 
In [3]: y = getrandbits(2048)
 
In [4]: %timeit -n 10000 q, r = divmod(x, y)
10000 loops, best of 3: 10.7 us per loop
 
In [5]: %timeit -n 10000 q, r = x//y, x % y
10000 loops, best of 3: 21.2 us per loop

結(jié)論：divmod優(yōu)于//和%。

六、優(yōu)化算法時間復(fù)雜度　　

算法的時間復(fù)雜度對程序的執(zhí)行效率影響最大，在python中可以選擇合適的數(shù)據(jù)結(jié)構(gòu)來優(yōu)化時間復(fù)雜度，如list和set查找某一個元素的時間復(fù)雜度分別是O(n)和O(1)。不同場景有不同的優(yōu)化方式，總的來說，一般有分治，分支定界、貪心動態(tài)規(guī)劃等思想。

七、合理使用copy和deepcopy　　

對于dict和list等數(shù)據(jù)結(jié)構(gòu)的對象，直接賦值使用的是引用的方式。而有些情況下需要復(fù)制整個對象，這時可以使用copy包里的copy和deepcopy，這兩個函數(shù)的不同之處在于deepcopy是遞歸復(fù)制的。效率不同：

In [23]: import copy
In [24]: %timeit -n 10 copy.copy(a)
10 loops, best of 3: 606 ns per loop
In [25]: %timeit -n 10 copy.deepcopy(a)
10 loops, best of 3: 1.17 us per loop

timeit后面的-n表示運(yùn)行的次數(shù)，后兩行對應(yīng)的是兩個timeit的輸出，下同。由此可見后者慢一個數(shù)量級。

關(guān)于copy的一個例子：

>>> lists = [[]] * 3
>>> lists
[[], [], []]
>>> lists[0].append(3)
>>> lists
[[3], [3], [3]]

發(fā)生的事情是這樣的，[[]]是包含一個空列表的只有一個元素的列表，所以[[]] * 3的所有三個元素都是（指向）這個空列表。修改lists的任何元素都修改這個列表。修改效率高。

八、使用dict或set查找元素

python 字典和集合都是使用hash表來實(shí)現(xiàn)（類似c++標(biāo)準(zhǔn)庫unordered_map），查找元素的時間復(fù)雜度是O(1)。

In [1]: r = range(10**7)
In [2]: s = set(r) # 占用 588MB 內(nèi)存
In [3]: d = dict((i, 1) for i in r) # 占用 716MB 內(nèi)存
In [4]: %timeit -n 10000 (10**7) - 1 in r
10000 loops, best of 3: 291 ns per loop
In [5]: %timeit -n 10000 (10**7) - 1 in s
10000 loops, best of 3: 121 ns per loop
In [6]: %timeit -n 10000 (10**7) - 1 in d
10000 loops, best of 3: 111 ns per loop

結(jié)論：set 的內(nèi)存占用量最小，dict運(yùn)行時間最短。

九、合理使用（generator）和yield（節(jié)省內(nèi)存）

In [1]: %timeit -n 10 a = (i for i in range(10**7)) # 生成器通常遍歷更高效
10 loops, best of 3: 933 ns per loop
In [2]: %timeit -n 10 a = [i for i in range(10**7)]
10 loops, best of 3: 916 ms per loop
In [1]: %timeit -n 10 for x in (i for i in range(10**7)): pass
10 loops, best of 3: 749 ms per loop
In [2]: %timeit -n 10 for x in [i for i in range(10**7)]: pass
10 loops, best of 3: 1.05 s per loop

結(jié)論：盡量使用生成器去遍歷。

以上就是對python 性能提升的一些方案，后續(xù)繼續(xù)補(bǔ)充，需要的可以看下。

您可能感興趣的文章: