让你的Python代码更快运行的 5 种方法_python脚本怎么跑得更快

不论什么语言，我们都需要注意性能优化问题，提高执行效率。选择了脚本语言就要忍受其速度，这句话在某种程度上说明了Python作为脚本语言的不足之 处，那就是执行效率和性能不够亮。尽管Python从未如C和Java一般快速，但是不少Python项目都处于开发语言领先位置。

Python 很简单易用，但大多数人使用Python都知道在处理密集型cpu工作时，它的数量级依然低于C、Java和JavaScript。但不少第三方不愿赘述 Python的优点，而是决定自内而外提高其性能。如果你想让Python在同一硬件上运行得更快，你有两个基本选择，而每个都会有一个缺点:

·您可以创建一个默认运行时所使用的替代语言(CPython的实现)——一个主要的任务，但它最终只会是CPython的一个简易替代者。

·您也可以利用某些速度优化器重写现有Python代码，这意味着程序员要花更多精力编写代码，但不需要在运行时加以改变。

如何进行Python性能优化，是本文探讨的主题。下面是五个方法可以在某些方面提高Python代码的性能和执行效率。

更多Python视频、源码、资料加群683380553免费获取

PyPy

在选择CPython的简易替代语言时，PyPy无疑是最佳之选(如Quora就是由它编写而成)。由于与现有Python代码保持高度兼容性，PyPy也是默认程序运行时的一个很好选择。

PyPy 使用了Just-in-Time(JIT)即时编译器，即动态编译器，与静态编译器（如gcc,java等）不同，它是利用程序运行的过程的数据进行优 化，拥有同谷歌Chrome V8 JavaScript引擎相同的语言加速技术。本月初，最新版本PyPy 2.5即将发布，此版本会有一系列的性能改进，提供更全面的如NumPy的支持，用于加速Python性能的共享库。

Python 3.x必须由单独的PyPy3项目构建而成。不过，对于边缘语言特性爱好者来说，尽管预期支持3.3，但实际此版本最多仅支持Python3.2.4及以下版本。

相关链接：http://pypy.org/

Pyston

Pyston 是一款Dropbox推出的新的基于JIT的Python实现，使用LLVM编译器实现代码解析与转换。与PyPy相比，Pyston仍处于初级阶段，目 前最新版本为Pyston 0.2版，支持有限子集语言的相关特性。Pyston的主要工作包括支持语言的核心功能及提升关键指标性能到一个可接受的水平。不久后，Pyston就可 以被认为是远程生产就绪语言。

相关链接：https://github.com/dropbox/pyston

Nuitka

Nuitka 是一个Python的替代品，一些团队正用它做完全的Python编译工具，并尝试将Python代码转译为其它可高速运行的编程语言。 Nuitka(nuitka.net)可以将python代码转换为C++代码，然后编译为可执行文件，并通过直接调用python的api的方式实现从 解析语言到编译语言的转换，并且在转换到C++的过程中直接使用python的解释器，可以保证100%的语法兼容。虽然这限制了它的可移植性，但不可否 认这个转换的速度获得了肯定。

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！