Python学习系列之性能优化问题总结

性能优化与底层实现       

       在实际的工程环节都会围绕整体的业务逻辑问题，很少去了解底层的原理。但是我们一旦涉及到性能和效率的优化，就会涉及到编译器，部署环境，编程语言等的底层实现和技术细节。下面就从Python语言的特征与分析可能导致的性能问题及优化问题。

一、可变类型导致的性能问题

（1）拼接字符串问题

string_build = ""
for data in container:
    string_build += str(data)

实际上，这段代码效率是非常低下的，字符串是不可变对象类型，当拼接两个字符串的时候，会创建第三个字符串，迭代次数过多或者数据量很大的字符串合并，就会在创建第三个字符串的时候浪费掉很多的内存空间，不仅如此，在迭代最后一次，为最后的结果还会开辟更大的空间来存储，实在是太浪费。因为str是不可变类型。

类似于Java中拼接字符串用StringBuilder，不能用String。

下面是更加有效和哲学（pythonic）的方式：利用可变类型的特点实现。

builder_list = []
for data in container:
    builder_list.append(str(data))
"".join(builder_list)
 
### 另一种使用list实现的方法
"".join([str(data) for data in container])
 
### 或者使用map函数
"".join(map(str, container))

上面的代码，就充分利用了可变对象特点，当数据要更新的时候，不开辟新的空间，而是在原先的空间上增加，大大减少了空间的使用，提高了代码执行的效率。

 

 

 

 

 

 

---

本文努力持续更新中。。。