提高运行效率

提高运行效率

• 用join()方法拼接字符串，避免使用+

• 多用字典来查找，不要用列表

• 多用numpy，pandas

• map函数等内置函数多用

• 对于常用包内函数，尽量在开头定义引用

• range全部换成xrange

• 请求多个接口优化，异步请求，多个HTTP请求

• for循环优化，numba

• 能少请求接口就少请求，不要总for循环请求，多企业多设备，多指标可以一次请求获得

• tolist()

• 及时用if跳出，不要执行后面的语句

• 多线程

• 对列表集体操作，可以用map,filter等

• 接口的字典类型的直接处理成pandas

常用语句

# 字符串变为datetime 

datetime.datetime.strptime(param['time'], "%Y-%m-%d %H:%M:%S")

endTime - datetime.timedelta(minutes=1)

# datetime变为字符串

startTime.strftime("%Y-%m-%d %H:%M:%S")


# 合并pandas，左右索引都保持，q

P_data = pd.merge(P1_val_min, P2_val_min, left_index=True, right_index=True, how='outer')

# 取出时间段里的time_list

t1 = list(map(lambda x: x.strftime("%Y-%m-%d"), pd.date_range(start='2020-06-20',periods=7)))