Python编程技巧

时间复杂度

1. 字典与列表

Python 字典中使用了 hash table,因此查找操作的复杂度为 O(1),而 list 实际是个数组,在 list 中,查找需要遍历整个 list,其复杂度为 O(n),因此对成员的查找访问等操作字典要比 list 更快。

2. 集合与列表

set 的 union, intersection,difference 操作要比 list 的迭代要快。因此如果涉及到求 list 交集,并集或者差的问题可以转换为 set 来操作。

3.循环

对循环的优化所遵循的原则是尽量减少循环过程中的计算量,有多重循环的尽量将内层的计算提到上一层。

4.字符串

python 中的字符串对象是不可改变的,因此对任何字符串的操作如拼接,修改等都将产生一个新的字符串对象,而不是基于原字符串,因此这种持续的 copy 会在一定程度上影响 python 的性能。

  • 在字符串连接的使用尽量使用 join() 而不是 +;
  • 当对字符串可以使用正则表达式或者内置函数来处理的时候,选择内置函数;
  • 对字符进行格式化比直接串联读取要快,因此要使用:
out = "<html>%s%s%s%s</html>" % (head, prologue, query, tail) 

避免

out = "<html>" + head + prologue + query + tail + "</html>"

5.列表

列表解析要比在循环中重新构建一个新的 list 更为高效

for w in list: 
	total.append(w) 

列表解析:

total = [w for w in list] 

6.其他

  • 如果需要交换两个变量的值使用 a,b=b,a 而不是借助中间变量 t=a;a=b;b=t;
  • 使用级联比较 “x < y < z” 而不是 “x < y and y < z”;
  • while 1 要比 while True 更快(当然后者的可读性更好);
  • build in 函数通常较快,add(a,b) 要优于 a+b。

Python性能优化技巧

列表

排序:sort()、sorted()

1. 列表排序后的索引

arr = [1,2,3,0,1,9,8]
sorted(range(len(arr)), key=lambda k: arr[k])

[3, 0, 4, 1, 2, 6, 5]

2. 两个维度均降序(优先第一个维度)

arr=[[0,0],[1,0],[1,1],[0,1]]
arr.sort(key=lambda x:[-x[0],-x[1]])
arr

[[0,0],[0,1],[1,0],[1,1]]

字符串计算:eval()

1. 利用虚数求解一元一次方程

eq='2*X+1=3'
equ=eq.replace('=','-(')+')'
c=eval(equ,{'X':1j})
if c.imag==0:
    print(-1)
else:
    x=-c.real/c.imag
    print(c)

1

进制转换

  • 十进制 → \rightarrow 二进制:bin(num)
  • 十进制 → \rightarrow 八进制:oct(num)
  • 十进制 → \rightarrow 十六进制:hex(num)
  • n进制 → \rightarrow 十进制:int('numstr',n)

获取整数的个位、十位、百位、。。。

方法一:

digit=[]
while n:
	digit.append(n%10)
	n=n//10

方法二:

digit=[int(_) for _ in str(n)]

collections标准库

Counter()

官方教程
一个 Counter 是一个 dict 的子类,用于计数可哈希对象。它是一个集合,元素像字典键(key)一样存储,它们的计数存储为值。计数可以是任何整数值,包括0和负数。

  • 统计词频
from collections import Counter
colors = ['red', 'blue', 'red', 'green', 'blue', 'blue']
c = Counter(colors)
print (dict(c))
  • 判断是否包含某元素,可以转化为dict然后通过dict判断,Counter也带有函数可以判断
c = Counter(['eggs', 'ham'])
c['bacon']                              # 不存在就返回0
#0
  • 删除元素:
c['sausage'] = 0                        # counter entry with a zero count
del c['sausage']   
  • 获得所有元素:
c = Counter(a=4, b=2, c=0, d=-2)
list(c.elements())
#['a', 'a', 'a', 'a', 'b', 'b']
  • 查看最常见出现的k个元素:
Counter('abracadabra').most_common(3)
#[('a', 5), ('r', 2), ('b', 2)]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值