python3 性能提升_python 性能提升的几种方法

一、函数调用优化(空间跨度，避免访问内存)

程序的优化核心点在于尽量减少操作跨度，包括代码执行时间上的跨度以及内存中空间跨度。

1.大数据求和，使用sum

2.小数据求和，避免使用sum

结论：大数据求和sum效率高，小数据求和直接累加效率高。

二、for循环优化之取元素(使用栈或寄存器，避免访问内存)

应尽量避免使用索引。

相当于给每一个元素直接赋值。

三、生成器优化(查表代替运算)

四、幂运算优化(pow(x，y，z))

结论：pow(x,y,z)优于x**y%z.

五、除法运算优化

结论：divmod优于//和%。

六、优化算法时间复杂度

算法的时间复杂度对程序的执行效率影响最大，在python中可以选择合适的数据结构来优化时间复杂度，如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)。不同场景有不同的优化方式，总的来说，一般有分治，分支定界、贪心动态规划等思想。

七、合理使用copy和deepcopy

对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于deepcopy是递归复制的。效率不同：

timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。

关于copy的一个例子：

发生的事情是这样的，[[]]是包含一个空列表的只有一个元素的列表，所以[[]] * 3的所有三个元素都是(指向)这个空列表。修改lists的任何元素都修改这个列表。修改效率高。

八、使用dict或set查找元素

python 字典和集合都是使用hash表来实现(类似c++标准库unordered_map)，查找元素的时间复杂度是O(1)。

结论：set 的内存占用量最小，dict运行时间最短。

九、合理使用(generator)和yield(节省内存)

结论：尽量使用生成器去遍历。

以上就是对python 性能提升的一些方案，后续继续补充，需要的可以看下。