如何 3个提升Python运行速度的方法

• 总结3个提升Python运行速度的方法,只从代码本省考虑,并不涉及编写C扩展的代码,基于JIT的编译器技术.

• 关于代码执行效率的第一个基础理论是减少频繁的方法访问,尤其是在多层循环内层、且循环次数较多的操作,差距尤为明显.

# 真是模块内全局变量
import math

def compute_sqrt(nums):
    result = []
    for n in nums: # 假如nums长度很大
    # 1. math.sqrt 会被频繁访问
    # 2. result.append 也会被频繁访问
        result.append(math.sqrt(n))
    return result

看到在for循环里面,涉及2个频繁的访问： 1. math.sqrt 会被频繁访问 2. result.append 也会被频繁访问

• 并且math还是模块级别的全局变量,因此第一步做如下更改：直接导入sqrt,而不是导入整个模块后再去引用sqrt

# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt

def compute_sqrt(nums):
    result = []
    for n in nums: # 假如nums长度很大
    # 1. math.sqrt 会被频繁访问
    # 2. result.append 也会被频繁访问
        result.append(sqrt(n))
    return result

• 然后再修改result.append,不用频繁访问append,使用标签apd指向它就行了：

# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt

def compute_sqrt(nums):
    result = []
    apd = result.append
    for n in nums: # 假如nums长度很大
    # 1. math.sqrt 会被频繁访问
    # 2. result.append 也会被频繁访问
        apd(sqrt(n))
    return result

第二个理论：

• 查找局部变量的效率是最高的！！！ 对于频繁访问的变量应尽可能是局部变量,消除不必要的全局变量访问.所以对于上面代码,sqrt还是模块级别的全局变量,所以再改变为：

def compute_sqrt(nums):
    # 调整sqrt为局部变量
    from math import sqrt
    result = []
    apd = result.append
    for n in nums: # 假如nums长度很大
    # 1. math.sqrt 会被频繁访问
    # 2. result.append 也会被频繁访问
        apd(sqrt(n))
    return result

第三条原则

• 就是不要做一些不必要的属性包装,@property必要时再用,可不用时就别用.如下对于属性y做@property装饰没有任何意义！只有在y有特定取值,比如只能取大于0的非负实数时再用此装饰才有意义.

class A:
    def __init__(self, x, y):
        self.x = x
        self.y = y
    @property
    def y(self):
        return self._y
    @y.setter 
    def y(self, value):
        self._y = value

• 因此修改为下面这样,删去多余的@property包装

class A:
    def __init__(self, x, y):
        self.x = x
        self.y = y

• 以上就是Python代码提速的三条基本但却容易被忽略的有价值原则

需要学习python的小伙伴以及python进阶同时对AI人工智能感兴趣的同学可以关注和点击链接获取更多AI知识咨询

- 感谢大家的关注和支持!想了解更多Python编程精彩知识内容,请关注我的 微信公众号:python小胡子,有最新最前沿的的python知识和人工智能AI与大家共享,同时,如果你觉得这篇文章对你有帮助,不妨点个赞,并点击关注.动动你发财的手,万分感谢!!!

- 原创文章不易,求点赞、在看、转发或留言,这样对我创作下一个精美文章会有莫大的动力！