10个优化Python代码的小技巧，使代码运行速度提升5倍！

Python学研大本营

于 2023-12-12 09:25:23 发布

阅读量1.1k

点赞数 28

文章标签： python 网络开发语言

本文链接：https://blog.csdn.net/weixin_39915649/article/details/134940866

版权

ython优化指南：让代码运行速度提高5倍。

微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩

探索使Python代码运行更快、更智能、更高效的艺术与科学。

Python代码优化

在编程语言的世界中，Python作为最通用的语言之一，具有简单易读的特点。Python因其简洁易读的语法、面向对象的特性、社区支持和丰富的库资源而脱颖而出。Python在数据分析、人工智能、Web开发、游戏开发等领域中广受开发者欢迎。

然而，与其他编程语言一样，Python的优点也伴随着一些代价。其中一个问题就是性能优化。由于它是解释型语言，人们对其速度和性能有所担忧。这就是代码优化发挥作用的地方。

什么是代码优化？

Python是一种解释型语言，这意味着它可能不像C或C++这样的编译型语言运行得那么快。然而，用户可以利用某些技术和策略来优化Python代码，并提高其性能。

代码优化的目标是使代码运行得更快、使用更少的资源、执行得更顺畅，从而提高其性能和效率。

本文将带你深入了解使Python代码运行得更快、更智能、更高效的艺术与科学。你将学习到各种技术、策略和最佳实践，使开发人员在克服Python的某些性能限制的同时，充分发挥Python的潜力。

本文将使用Python的timeit模块进行基准测试，并比较传统Python代码与优化后Python代码的执行时间。请注意，默认情况下，timeit模块会运行该函数一百万次。

言归正传，跟随本文直接进入优化技术和策略。

1. 使用推导式和生成器

在2.7版本和3.0版本中，Python引入了诸如列表推导式、字典推导式和紧密相关的集合推导式等新特性。这些特性以更清晰、更简洁和更高效的方式生成列表、字典和集合，使其更易于使用。

创建一个函数并使用传统的“循环和追加”方法生成一个列表：

>>> def do_1():
...     list_object = []
...     for i in range(100):
...         list_object.append(i)

导入Python内置的timeit模块，查看该函数的运行时间：

>>> import timeit
>>> t = timeit.Timer(setup='from __main__ import do_1', stmt='do_1()')
>>> print(t.timeit())

9.681053700041957

上面的输出显示，该函数运行时间约为9.68秒。

现在，使用推导式生成这个列表，并查看所需的时间：

>>> def do():
...     [i for i in range(100)]

>>> t = timeit.Timer(setup='from __main__ import do', stmt='do()')
>>> t.timeit()

7.292758799972944

从以上代码中可以看出，这个函数运行时间约为7.29秒，而之前的函数（没有使用推导式）运行时间为9.68秒，差距为 2.39秒。

除了推导式更简洁、更易读外，它的速度也更快。这使得它成为生成列表和一般循环的首选方法。

2. 避免字符串拼接

开发者通常使用+=运算符来对字符串进行拼接。然而，在循环内部，由于字符串的不可变性，这种方法可能导致性能下降。

相反，可以使用str.join()方法进行高效的字符串拼接。

使用+=运算符拼接字符串并查看其执行时间：

>>> def do():
...     obj = ["hello", "my", "name", "is", "Delight", "!"]
...     s = ""
...     for elem in obj:
...         s += elem

>>> import timeit
>>> t = timeit.Timer(setup='from __main__ import do', stmt='do()')
>>> t.timeit()

0.9870554000372067

这个使用+=运算符实现字符串拼接的函数大约需要0.98秒的时间来完成。

使用join()进行有效的字符串拼接：

>>> def do():
...     s = ["hello", "my", "name", "is", "Delight", "!"]
...     "".join(s)

>>> import timeit
>>> t = timeit.Timer(setup='from __main__ import do', stmt='do()')
>>> t.timeit()

0.38973289995919913

使用join()可以将函数的执行时间从0.98秒降低到0.38秒，使其成为更快、更可取的字符串拼接方法。

3. 循环

在Python中，for循环是一种控制结构，它允许用户迭代遍历一个序列中的项，例如列表中的元素、字符串中的字符或其他可迭代对象中的元素。for循环会针对序列中的每个项重复执行一段代码块，从第一项迭代到最后一项。

然而，在大多数情况下，for循环可以被更高效的函数map()取代。map()函数是一个内置的高阶函数，它允许用户将给定的函数应用于可迭代对象（如列表、元组或字符串）中的每个项，并生成一个包含将该函数应用于每个项的结果的新可迭代对象。使用map()的主要优势在于它提供了一种简洁高效的方式来转换数据，而无需使用显式循环。

比较实现for循环和map()的函数的执行时间：

def do():
    obj = ["hello", "my", "name", "is", "Delight", "!"]
    new = []
    for i in obj:
        new.append(i.upper())

获取该函数的执行时间：

>>> import timeit
>>> t = timeit.Timer(setup='from __main__ import do', stmt='do()')
>>> t.timeit()

1.042804399970919

使用内置的map()函数执行相同的函数，并获取执行时间：

>>> def square(x):
...     return x.upper()

>>> def do():
...     obj = ["hello", "my", "name", "is", "Delight", "!"]
...     map(square, obj)

>>> import timeit
>>> t = timeit.Timer(setup='from __main__ import do', stmt='do()')
>>> t.timeit()

0.37273399997502565

在上面的代码中，使用map()代替for循环使函数的运行速度提高了约3倍。

Python的内置函数之所以能使代码运行得更快，主要是因为它们是用C语言编写和编译的。

4. 选择合适的数据结构

选择合适的数据结构可以显著影响Python代码的速度和效率。不同的数据结构针对特定类型的操作进行了优化，选择适当的数据结构可以实现更快的查找、插入、删除和整体性能改进。

例如，使用集合进行成员测试要比使用列表更快：

>>> def do():
...     fruits_list = ['apple', 'banana', 'orange', 'grape', 'pear']
...     'banana' in fruits_list
...     'kiwi' in fruits_list

>>> import timeit
>>> t = timeit.Timer(setup='from __main__ import do', stmt='do()')
>>> t.timeit()
0.48580530006438494

>>> def do():
...     fruits_list = {'apple', 'banana', 'orange', 'grape', 'pear'}
...     'banana' in fruits_list
...     'kiwi' in fruits_list

>>> import timeit
>>> t = timeit.Timer(setup='from __main__ import do', stmt='do()')
>>> t.timeit()
0.34570479998365045