一些加快python执行速度的小技巧

优化Python的执行速度

1. 尽量不要使用全局变量，把代码块封装成函数，看下面的代码

import time

# 全局代码块
start = time.perf_counter()
for i in range(100000000):
    i += 1
print('global cost time：',time.perf_counter()-start)


def fun():
    for j in range(100000000):
        j += 1


# 函数局部代码块
start = time.perf_counter()
fun()
print('local cost time',time.perf_counter()-start)

执行结果如下：

global cost time： 18.455917499999998
local cost time： 9.9030749

分析：

整整快了两倍！这是因为局部变量的检索速度比全局变量快。

2. 尽可能去掉属性访问

每一次使用点 (.) 操作符来访问属性的时候会带来额外的开销。它会触发特定的方法，比如 getattribute() 和 getattr() ，这些方法会进行字典操作操作。

import math
import time

def compute_roots_original(nums):
    result = []
    for n in nums:
        result.append(math.sqrt(n))
    return result


def compute_roots_optimized(nums):
    result = []
    sqrt = math.sqrt
    result_append = result.append
    for n in nums:
        result_append(sqrt(n))
    return result


nums = range(1000000)

start = time.perf_counter()
for n in range(100):
    r = compute_roots_original(nums)
print('compute_roots_original cost time',time.perf_counter()-start)

start = time.perf_counter()
for n in range(100):
    r = compute_roots_optimized(nums)
print('compute_roots_optimized cost time',time.perf_counter()-start)

compute_roots_original cost time： 51.4366062
compute_roots_optimized cost time： 37.177331200000005

分析：

可以看出速度还是有提升的，比如在一个类中，会循环访问对象的self.name属性，可以考虑使用name = self.name并将这段代码放在循环体之外，循环体内直接使用name即可。

3. 在创建字典的时候使用d = {},而不是 d= dict()，看以下代码

import timeit

print("use d={},time cost:",timeit.timeit('d={}'))
print("use d=dict(),time cost:",timeit.timeit('d=dict()'))

use d={},time cost: 0.0328155
use d=dict(),time cost: 0.14066270000000003

可以看出，速度提升还是很明显的，这在创建大量字典的时候可能用的上。

4. 使用（）进行列表推导而不是[]

import time


start = time.perf_counter()
for i in (x*x for x in range(10000000)):
    ...
print('() cost time:',time.perf_counter()-start)

start = time.perf_counter()
for j in [x*x for x in range(10000000)]:
    ...
print('[] cost time:',time.perf_counter()-start)

() cost time: 1.4474916000000002
[] cost time: 2.176057

结果如上，打印 (x*x for x in range(10000000)可以发现它是一个生成器，生成器只有在需要某个元素的时候才会生成这个元素，占用的内存很小，而list会直接生成所有的元素，当数据量很大的时候，会占用很大的内存。