提升?Python?代碼運(yùn)行速度的6個技巧
其實，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。
接下來讓我們看看如何用一些簡單的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)我們有一個包含單詞的列表，我們希望每個單詞的首字母均變?yōu)榇髮?。此時使用map()函數(shù)是不錯的選擇。
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))
時間對比:
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)我們連接多個字符串時，我們將會創(chuàng)建一個新的字符串,此時會導(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)
時間對比:
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.這是因為使用list()和dict{}來創(chuàng)建對象時需要調(diào)用一個附加函數(shù).
一般版本:
list() dict()
改進(jìn)版本:
()
{}時間對比:
為了便于對比時間,這里我們使用timeit函數(shù)來統(tǒng)計,我們運(yùn)行1百萬次,來看二者的時間對比,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)可能會使程序變慢。
另一個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"時間對比:
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法，甚至只有一行代碼來實現(xiàn)各種強(qiáng)大的功能。很多用到循環(huán)的場景下,我們盡量使用生成式的語法來實現(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]
時間對比:
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。 實際上，我們的項目很容易變得復(fù)雜,此時上述技巧就派上用場啦！
7. 總結(jié)
本文重點介紹了在Python中如何使用一些簡單的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
PageFactory設(shè)計模式基于python實現(xiàn)
這篇文章主要介紹了PageFactory設(shè)計模式基于python實現(xiàn),文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-04-04
這篇文章主要為大家介紹了Python的異常處理機(jī)制，具有一定的參考價值，感興趣的小伙伴們可以參考一下，希望能夠給你帶來幫助2021-12-12
本文給大家分享的小技巧是如何利用Python腳本獲取Windows和Linux的系統(tǒng)版本信息，非常的簡單實用，有需要的小伙伴可以查看下2016-12-12
Python 2.x如何設(shè)置命令執(zhí)行的超時時間實例
這篇文章主要給大家介紹了關(guān)于Python 2.x如何設(shè)置命令執(zhí)行超時時間的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友可以參考借鑒，下面來一起看看吧。2017-10-10
這篇文章主要介紹了python的安裝教程，和Pycharm的安裝詳細(xì)教程，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-05-05
Pycharm 文件更改目錄后,執(zhí)行路徑未更新的解決方法
今天小編就為大家分享一篇Pycharm 文件更改目錄后,執(zhí)行路徑未更新的解決方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
這篇文章主要介紹了使用Python自動生成HTML的方法示例，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
這篇文章主要介紹了python如何操作MySQL，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-08-08
pandas數(shù)據(jù)聚合與分組運(yùn)算的實現(xiàn)
本文主要介紹了pandas數(shù)據(jù)聚合與分組運(yùn)算的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-01-01
python在linux系統(tǒng)下獲取系統(tǒng)內(nèi)存使用情況的方法
這篇文章主要介紹了python在linux系統(tǒng)下獲取系統(tǒng)內(nèi)存使用情況的方法,涉及Python在Linux平臺下獲取系統(tǒng)硬件信息的相關(guān)技巧,需要的朋友可以參考下2015-05-05