python珠穆朗玛峰问题_学会这6招，让你的Python 嗖嗖嗖的快！-CSDN博客

在后面的程序效率对比上，我们以下面的python程序作为基础对比程序。

01.优化编写的代码

对于 Python程序，大家可以首先将程序的目的实现，然后在这个基础之上，分析程序执行效率低下的部分并实现优化，然后不断的执行这个分析效率-优化的步骤。对于效率低下的操作，可以采用 Python的内置高阶函数等方式进行加速，如下图所示:

上图程序中，我们分别使用for循环函数和 Python内置高阶map函数实现了列表中元素的平方，结果显示，使用map函数，速度是原先的1.12倍。

02.Cython

Cython的语法同Python的语法类似，cython通过编写可以被python调用的C扩展，是其既具备了Python的语法特点，同时又有了像C语言一样的程序运行速度，此外，Cython还可以方便的调用C的包。下图给出的程序，展示的是利用cython进行开发时在运行速度上相较于 Python的提升。

上图可以看出，通过cython，虽然程序上没有区别，但是在运行速度上cython提升了1.5倍左右。

03.使用多线程

在进程执行当中，可以有多个线程同时进行执行，但是每个线程可以执行不同的任务，对于多线程，这里不做过多的解释，我们直接用一个简单的程序来展示多线程。

上述的程序中，我们使用多线程来实现我们的Pow_2函数，可以看到多线程同样起到了加速 Python程序执行，这里还需注意一点是我们使用多线程往一个公共的pow_list中添加数据，由于这是我们期望的，所以不需要添加线程锁来进行保护。

04.使用numba库

对于numba，官网对它本身的定义为“python的解释器”。对于numba库的详尽解释，这里小编给大家一个纽约大学的网站，大家可以通过这个网站的讲解，对numba有更加全面的了解(https://nyu-cds.github.io/python-numba/)

对于numba库的简单方法，最简单的是在函数定义的前面加上@jit装饰器。

上述程序中，我们在Pow_2函数前加上了jit装饰器，运行结果显示，其运行速度是基础方法的2.34倍左右，大大的缩短了程序的执行时间。

05.使用多进程

对于 Python的多进程， Python内置了多进程包multiprocessing，我们只需要定义一个函数，便可以借助multiprocessing包，轻松的实现从单进程到并发执行的转换。

上述程序中，我们创建了4个进程，并实现了将数组元素进行平方的功能，从结果可以看出，多进程实现了真正的并行，使得程序的运行时间大大缩短，运行速度达到了基础程序的3.05倍。06.尽可能使用numpy、pandas等科学计算库

使用科学计算库不仅可以帮助我们简化代码，提升代码可读性，而且其高效的数据处理效率可以大大提升我们的程序执行速度。