首页 / PYTHON / Python代码优化技巧
Python代码优化技巧
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了Python代码优化技巧，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含3655字，纯文字阅读大概需要6分钟。
内容图文
代码优化Part1
分享最近看到的关于代码优化的一些技巧。
if 判断的短路特性
对于and，应该把满足条件少的放在前面，这样当对于大量判断时， 满足条件少的情况直接回导致其后其他表达式不会计算从而节约时间(因为 False and True 还是 False)
import timeit s1 = """ a = range(2000) [i for i in a if i % 2 ==0 and i > 1900] """ s2 = """ a = range(2000) [i for i in a if i > 1900 and i % 2 ==0] """ print timeit.timeit(stmt=s1, number=1000) print timeit.timeit(stmt=s2, number=1000)
运行结果如下：
? python test6.py 0.248532056808 0.195827960968 # 可以看到s2 表达式计算更快， 因为大部分情况都不满足 i>1900, 所以这些情况下, i % 2 == 0 也没有计算，从而节约了时间
同理对于or，把满足条件多的放在前面。
import timeit s1 = """ a = range(2000) [i for i in a if 10 < i <20 or 1000 < i < 2000] """ s2 = """ a = range(2000) [i for i in a if 1000 < i < 2000 or 10 < i <20] """ print timeit.timeit(stmt=s1, number=1000) print timeit.timeit(stmt=s2, number=1000)
运行结果:
0.253124952316 0.202992200851
join 合并字符串
join 合并字符串比循环使用 + 来合并要快。
import timeit
s1 = """
a = [str(x) for x in range(2000)]
s = ''
for i in a:
s += i
"""
s2 = """
a = [str(x) for x in range(2000)]
s = ''.join(a)
"""
print timeit.timeit(stmt=s1, number=1000)
print timeit.timeit(stmt=s2, number=1000)运行结果如下：
python test6.py 0.558945894241 0.422435998917
while 1 和 while True
在python2.x里， True 和 False 不是保留的关键字，是一个全局变量，这意味着你可以这样
>>> True = 0 >>> True 0 >>> if not True: ... print '1' ... 1
所以下面这两种情况:
import timeit
s1 = """
n = 1000000
while 1:
n -= 1
if n <= 0: break
"""
s2 = """
n = 1000000
while True:
n -= 1
if n <= 0: break
"""
print timeit.timeit(stmt=s1, number=100)
print timeit.timeit(stmt=s2, number=100)运行结果如下：
? python test6.py 5.18007302284 6.84624099731
因为每次判断 while True 的时候， 先要去找到True的值。
在python3.x里， True 变成了关键字参数，所以上述两种情况就一样了。
cProfile, cStringIO 和 cPickle
使用C语言的版本写的扩展要比原生的要快。cPickle vs pickle 如下：
import timeit s1 = """ import cPickle import pickle n = range(10000) cPickle.dumps(n) """ s2 = """ import cPickle import pickle n = range(10000) pickle.dumps(n) """ print timeit.timeit(stmt=s1, number=100) print timeit.timeit(stmt=s2, number=100)
运行结果如下：
? python test6.py 0.182178974152 1.70917797089
合理使用生成器
区别
使用()得到的是一个generator对象，所需要的内存空间与列表的大小无关，所以效率会高一些。
import timeit s1 = """ [i for i in range (100000)] """ s2 = """ (i for i in range(100000)) """ print timeit.timeit(stmt=s1, number=1000) print timeit.timeit(stmt=s2, number=1000)
结果:
? python test6.py 5.44327497482 0.923446893692
但是对于需要循环遍历的情况：使用迭代器效率反而不高，如下：
import timeit
s1 = """
ls = range(1000000)
def yield_func(ls):
for i in ls:
yield i+1
for x in yield_func(ls):
pass
"""
s2 = """
ls = range(1000000)
def not_yield_func(ls):
return [i+1 for i in ls]
for x in not_yield_func(ls):
pass
"""
print timeit.timeit(stmt=s1, number=10)
print timeit.timeit(stmt=s2, number=10)结果如下：
? python test6.py 1.03186702728 1.01472687721
所以使用生成器是一个权衡的结果，对于内存、速度综合考虑的结果。
xrange
在python2.x里xrange 是纯C实现的生成器，相对于range来说，它不会一次性计算出所有值在内存中。但它的限制是只能和整型一起工作：你不能使用long或者float。
import 语句的开销
import语句有时候为了限制它们的作用范围或者节省初始化时间，被卸载函数内部，虽然python的解释器不会重复import同一个模块不会出错，但重复导入会影响部分性能。有时候为了实现懒加载（即使用的时候再加载一个开销很大的模块），可以这么做：
email = None
def parse_email():
global email
if email is None:
import email
...
# 这样一来email模块仅会被引入一次，在parse_email()被第一次调用的时候。
内容总结
以上是互联网集市为您收集整理的Python代码优化技巧全部内容，希望文章能够帮你解决Python代码优化技巧所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。