[Python] 提高Python运行速度(小技巧)

3.3 提高Python运行速度(小技巧)

3.3.1 通过公式计算

如果在计算时，能使用公式计算出最后的结果，那对于运行效率上来说就是降维打击了。在一些特殊场景中，我们不必傻乎乎的利用循环进行计算，尝试使用公式计算对于速度的提升将是飞越性的。
速度对比_公式计算

from mdTools import ftDecTimeIt
import numpy as np

array = np.random.random(1_0000_0000)
@ftDecTimeIt(1)
def slow():
    s = 0
    for _ in range(1, 1_0000_0001):
        s += _

@ftDecTimeIt(1)
def fast():
s = (1 + 1_0000_0000) * 1_0000_0000 / 2

slow()
fast()

函数 slow 运行 1 次的总耗时为：5.0604 秒
函数 fast 运行 1 次的总耗时为：0.0000 秒

3.3.2 在函数中导入模块

虽然导入模块有时候是必不可少的，但是其实导入模块也是需要花费时间的，当我们在制作模块而需要被其它模块导入时，由于被导入模块通常最上方导入了该模块其它函数或类的依赖模块，于是在被其它模块导入时，某些不必要的模块也会被导入。
为了避免这种情况，其实我们可以在函数内部导入模块，而非在模块最上方导入。

3.3.3 使用列表推导式

Python中的列表推导式为我们提供了更简短的语法，甚至只需要一行代码就可以实现各种复杂的可迭代对象。我们可以使用列表推导式生成我们想要的列表、元组，甚至字典等。
通过列表推导式不仅可以提高代码编写效率，也能提高运行效率。
速度对比_列表推导式

from mdTools import ftDecTimeIt

@ftDecTimeIt(10000)
def slow():
    a = []
    for _ in range(10000):
        if _ % 2 == 0:
            a.append(_)

@ftDecTimeIt(10000)
def fast():
a = [x for x in range(10000) if x % 2 == 0]

slow()
fast()

函数 slow 运行 10000 次的总耗时为：7.2413 秒
函数 fast 运行 10000 次的总耗时为：5.5238 秒

3.3.4 使用 f-Strings连接字符串

我们已经知道将字符串进行串联可能会使程序变慢。尤其是使用’+’进行拼接。并且，‘+’只能拼接字符串类型的数据，遇到其它类型时必须转换成str才能正常拼接。
一个比较好的解决方案是使用f-Strings，通过f-strings拼接可以自动将其他类型转换成字符串类型，并且速度要比‘+’拼接快。
速度对比_f-strgings

from mdTools import ftDecTimeIt

@ftDecTimeIt(100_0000)
def slow():
    a = {'name': 'zhangsan', 'gender': 'man', 'age': 18}
    s = '我的名字是：' + a['name'] + ' 性别是：' + a['gender'] + ' 年龄是：' + str(a['age'])
return s

@ftDecTimeIt(100_0000)
def fast():
    a = {'name': 'zhangsan', 'gender': 'man', 'age': 18}
    s = f"我的名字是：{a['name']} 性别是：{a['gender']} 年龄是：{a['age']}"
return s

print(slow())
print(fast())

函数 slow 运行 1000000 次的总耗时为：0.7570 秒
我的名字是：zhangsan 性别是：man 年龄是：18
函数 fast 运行 1000000 次的总耗时为：0.5284 秒
我的名字是：zhangsan 性别是：man 年龄是：18

3.3.5 从集合中检查

如果要在一个非常大的列表中判断某个元素是否存在，那么可以先将其转换成集合，然后再在该集合中判断是否存在目标元素。这样将会提高运行效率。
速度对比_检查元素

from mdTools import ftDecTimeIt
import numpy as np

lst = np.random.random(10000)
st = set(lst)

@ftDecTimeIt(100000)
def slow():
    if 0 in lst:
        pass

@ftDecTimeIt(100000)
def fast():
    if 0 in st:
        pass

slow()
fast()

函数 slow 运行 100000 次的总耗时为：0.7620 秒
函数 fast 运行 100000 次的总耗时为：0.0110 秒

3.3.6 使用局部变量

全局变量会一直保存在内存之中，而局部变量在函数调用完毕后马上销毁。
速度对比_使用局部变量

from mdTools import ftDecTimeIt

a = 'a'

@ftDecTimeIt(1)
def slow():
    lst = []
    for _ in range(10000000):
        lst.append(a)

@ftDecTimeIt(1)
def fast():
    b = 'b'
    lst = []
    for _ in range(10000000):
        lst.append(b)

slow()
fast()

函数 slow 运行 1 次的总耗时为：0.9645 秒
函数 fast 运行 1 次的总耗时为：0.8803 秒

3.3.7 减少通过‘.’访问属性

速度对比_访问属性

from mdTools import ftDecTimeIt

@ftDecTimeIt(100_0000)
def slow():
    lowerlist = ['i', 'am', 'a', 'bad', 'boy', 'am', 'a', 'bad', 'boy', 'am', 'a', 'bad', 'boy']
    upperlist = []
    for word in lowerlist:
        upperlist.append(word.upper())

@ftDecTimeIt(100_0000)
def fast():
    lowerlist = ['i', 'am', 'a', 'bad', 'boy', 'am', 'a', 'bad', 'boy', 'am', 'a', 'bad', 'boy']
    up = str.upper
    upperlist = []
    ap = upperlist.append
    for word in lowerlist:
        ap(up(word))

slow()
fast()

函数 slow 运行 1000000 次的总耗时为：1.5311 秒
函数 fast 运行 1000000 次的总耗时为：1.3696 秒

3.3.8 创建列表和字典

使用[]和{}来创建列表和字典相比使用list()和dict{}运行更加高效，因为使用list()和dict{}来创建对象时需要调用一个附加函数。
速度对比_创建list

from mdTools import ftDecTimeIt

@ftDecTimeIt(1000_0000)
def slow():
lst = list('123')

@ftDecTimeIt(1000_0000)
def fast():
lst = [1, 2, 3]

slow()
fast()

函数 slow 运行 10000000 次的总耗时为：2.7894 秒
函数 fast 运行 10000000 次的总耗时为：1.3917 秒

速度对比_创建dict

from mdTools import ftDecTimeIt

@ftDecTimeIt(1000_0000)
def slow():
dct = dict(['12', '34'])

@ftDecTimeIt(1000_0000)
def fast():
dct = {'1': '2', '3': '4'}

slow()
fast()

函数 slow 运行 10000000 次的总耗时为：6.1273 秒
函数 fast 运行 10000000 次的总耗时为：1.7276 秒