網站首頁編程語言正文

分享Python?加速運行技巧_python

作者：Python研究者 ? 更新時間： 2022-06-01 編程語言

第一個基本原則：不要過早優化
很多人一開始寫代碼就奔著性能優化的目標，“讓正確的程序更快要比讓快速的程序正確容易得多”。因此，優化的前提是代碼能正常工作。過早地進行優化可能會忽視對總體性能指標的把握，在得到全局結果前不要主次顛倒。

第二個基本原則：權衡優化的代價
優化是有代價的，想解決所有性能的問題是幾乎不可能的。通常面臨的選擇是時間換空間或空間換時間。另外，開發代價也需要考慮。

第三個原則：不要優化那些無關緊要的部分
如果對代碼的每一部分都去優化，這些修改會使代碼難以閱讀和理解。如果你的代碼運行速度很慢，首先要找到代碼運行慢的位置，通常是內部循環，專注于運行慢的地方進行優化。在其他地方，一點時間上的損失沒有什么影響。

1.避免全局變量

# 不推薦寫法。代碼耗時：26.8秒
import math
?
size = 10000
for x in range(size):
? ? for y in range(size):
? ? ? ? z = math.sqrt(x) + math.sqrt(y)

許多程序員剛開始會用 Python 語言寫一些簡單的腳本，當編寫腳本時，通常習慣了直接將其寫為全局變量，例如上面的代碼。但是，由于全局變量和局部變量實現方式不同，定義在全局范圍內的代碼運行速度會比定義在函數中的慢不少。通過將腳本語句放入到函數中，通常可帶來 15% - 30% 的速度提升。

# 推薦寫法。代碼耗時：20.6秒
import math
?
def main(): ?# 定義到函數中，以減少全部變量使用
? ? size = 10000
? ? for x in range(size):
? ? ? ? for y in range(size):
? ? ? ? ? ? z = math.sqrt(x) + math.sqrt(y)
?
main()

2.避免

2.1 避免模塊和函數屬性訪問

# 不推薦寫法。代碼耗時：14.5秒
import math
?
def computeSqrt(size: int):
? ? result = []
? ? for i in range(size):
? ? ? ? result.append(math.sqrt(i))
? ? return result
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? result = computeSqrt(size)
?
main()

每次使用.（屬性訪問操作符時）會觸發特定的方法，如__getattribute__()和__getattr__()，這些方法會進行字典操作，因此會帶來額外的時間開銷。通過from import語句，可以消除屬性訪問。

# 第一次優化寫法。代碼耗時：10.9秒
from math import sqrt
?
def computeSqrt(size: int):
? ? result = []
? ? for i in range(size):
? ? ? ? result.append(sqrt(i)) ?# 避免math.sqrt的使用
? ? return result
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? result = computeSqrt(size)
?
main()

在第 1 節中我們講到，局部變量的查找會比全局變量更快，因此對于頻繁訪問的變量sqrt，通過將其改為局部變量可以加速運行。

# 第二次優化寫法。代碼耗時：9.9秒
import math
?
def computeSqrt(size: int):
? ? result = []
? ? sqrt = math.sqrt ?# 賦值給局部變量
? ? for i in range(size):
? ? ? ? result.append(sqrt(i)) ?# 避免math.sqrt的使用
? ? return result
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? result = computeSqrt(size)
?
main()

除了math.sqrt外，computeSqrt函數中還有.的存在，那就是調用list的append方法。通過將該方法賦值給一個局部變量，可以徹底消除computeSqrt函數中for循環內部的.使用。

# 推薦寫法。代碼耗時：7.9秒
import math
?
def computeSqrt(size: int):
? ? result = []
? ? append = result.append
? ? sqrt = math.sqrt ? ?# 賦值給局部變量
? ? for i in range(size):
? ? ? ? append(sqrt(i)) ?# 避免 result.append 和 math.sqrt 的使用
? ? return result
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? result = computeSqrt(size)
?
main()

2.2 避免類內屬性訪問

# 不推薦寫法。代碼耗時：10.4秒
import math
from typing import List
?
class DemoClass:
? ? def __init__(self, value: int):
? ? ? ? self._value = value
? ??
? ? def computeSqrt(self, size: int) -> List[float]:
? ? ? ? result = []
? ? ? ? append = result.append
? ? ? ? sqrt = math.sqrt
? ? ? ? for _ in range(size):
? ? ? ? ? ? append(sqrt(self._value))
? ? ? ? return result
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? demo_instance = DemoClass(size)
? ? ? ? result = demo_instance.computeSqrt(size)
?
main()

避免.的原則也適用于類內屬性，訪問self._value的速度會比訪問一個局部變量更慢一些。通過將需要頻繁訪問的類內屬性賦值給一個局部變量，可以提升代碼運行速度。

# 推薦寫法。代碼耗時：8.0秒
import math
from typing import List
?
class DemoClass:
? ? def __init__(self, value: int):
? ? ? ? self._value = value
? ??
? ? def computeSqrt(self, size: int) -> List[float]:
? ? ? ? result = []
? ? ? ? append = result.append
? ? ? ? sqrt = math.sqrt
? ? ? ? value = self._value
? ? ? ? for _ in range(size):
? ? ? ? ? ? append(sqrt(value)) ?# 避免 self._value 的使用
? ? ? ? return result
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? demo_instance = DemoClass(size)
? ? ? ? demo_instance.computeSqrt(size)
?
main()

3.避免不必要的抽象

# 不推薦寫法，代碼耗時：0.55秒
class DemoClass:
? ? def __init__(self, value: int):
? ? ? ? self.value = value
?
? ? @property
? ? def value(self) -> int:
? ? ? ? return self._value
?
? ? @value.setter
? ? def value(self, x: int):
? ? ? ? self._value = x
?
def main():
? ? size = 1000000
? ? for i in range(size):
? ? ? ? demo_instance = DemoClass(size)
? ? ? ? value = demo_instance.value
? ? ? ? demo_instance.value = i
?
main()

任何時候當你使用額外的處理層（比如裝飾器、屬性訪問、描述器）去包裝代碼時，都會讓代碼變慢。大部分情況下，需要重新進行審視使用屬性訪問器的定義是否有必要，使用getter/setter函數對屬性進行訪問通常是 C/C++ 程序員遺留下來的代碼風格。如果真的沒有必要，就使用簡單屬性。

# 推薦寫法，代碼耗時：0.33秒
class DemoClass:
? ? def __init__(self, value: int):
? ? ? ? self.value = value ?# 避免不必要的屬性訪問器
?
def main():
? ? size = 1000000
? ? for i in range(size):
? ? ? ? demo_instance = DemoClass(size)
? ? ? ? value = demo_instance.value
? ? ? ? demo_instance.value = i
?
main()

4.避免數據復制

4.1 避免無意義的數據復制

# 不推薦寫法，代碼耗時：6.5秒
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? value = range(size)
? ? ? ? value_list = [x for x in value]
? ? ? ? square_list = [x * x for x in value_list]
?
main()

上面的代碼中value_list完全沒有必要，這會創建不必要的數據結構或復制。

# 推薦寫法，代碼耗時：4.8秒
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? value = range(size)
? ? ? ? square_list = [x * x for x in value] ?# 避免無意義的復制
?
main()

另外一種情況是對 Python 的數據共享機制過于偏執，并沒有很好地理解或信任 Python 的內存模型，濫用 copy.deepcopy()之類的函數。通常在這些代碼中是可以去掉復制操作的。

4.2 交換值時不使用中間變量

# 不推薦寫法，代碼耗時：0.07秒
def main():
? ? size = 1000000
? ? for _ in range(size):
? ? ? ? a = 3
? ? ? ? b = 5
? ? ? ? temp = a
? ? ? ? a = b
? ? ? ? b = temp
?
main()

上面的代碼在交換值時創建了一個臨時變量temp，如果不借助中間變量，代碼更為簡潔、且運行速度更快。

# 推薦寫法，代碼耗時：0.06秒
def main():
? ? size = 1000000
? ? for _ in range(size):
? ? ? ? a = 3
? ? ? ? b = 5
? ? ? ? a, b = b, a ?# 不借助中間變量
?
main()

4.3 字符串拼接用join而不是+

# 不推薦寫法，代碼耗時：2.6秒
import string
from typing import List
?
def concatString(string_list: List[str]) -> str:
? ? result = ''
? ? for str_i in string_list:
? ? ? ? result += str_i
? ? return result
?
def main():
? ? string_list = list(string.ascii_letters * 100)
? ? for _ in range(10000):
? ? ? ? result = concatString(string_list)
?
main()

當使用a + b拼接字符串時，由于 Python 中字符串是不可變對象，其會申請一塊內存空間，將a和b分別復制到該新申請的內存空間中。因此，如果要拼接n個字符串，會產生 n-1個中間結果，每產生一個中間結果都需要申請和復制一次內存，嚴重影響運行效率。而使用join()拼接字符串時，會首先計算出需要申請的總的內存空間，然后一次性地申請所需內存，并將每個字符串元素復制到該內存中去。

# 推薦寫法，代碼耗時：0.3秒
import string
from typing import List
?
def concatString(string_list: List[str]) -> str:
? ? return ''.join(string_list) ?# 使用 join 而不是 +
?
def main():
? ? string_list = list(string.ascii_letters * 100)
? ? for _ in range(10000):
? ? ? ? result = concatString(string_list)
?
main()

5.利用 if 條件的短路特性

# 不推薦寫法，代碼耗時：0.05秒
from typing import List
?
def concatString(string_list: List[str]) -> str:
? ? abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'}
? ? abbr_count = 0
? ? result = ''
? ? for str_i in string_list:
? ? ? ? if str_i in abbreviations:
? ? ? ? ? ? result += str_i
? ? return result
?
def main():
? ? for _ in range(10000):
? ? ? ? string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.']
? ? ? ? result = concatString(string_list)
?
main()

if 條件的短路特性是指對if a and b這樣的語句，當a為False時將直接返回，不再計算b；對于if a or b這樣的語句，當a為True時將直接返回，不再計算b。因此，為了節約運行時間，對于or語句，應該將值為True可能性比較高的變量寫在or前，而and應該推后。

# 推薦寫法，代碼耗時：0.03秒
from typing import List
?
def concatString(string_list: List[str]) -> str:
? ? abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'}
? ? abbr_count = 0
? ? result = ''
? ? for str_i in string_list:
? ? ? ? if str_i[-1] == '.' and str_i in abbreviations: ?# 利用 if 條件的短路特性
? ? ? ? ? ? result += str_i
? ? return result
?
def main():
? ? for _ in range(10000):
? ? ? ? string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.']
? ? ? ? result = concatString(string_list)
?
main()

6.循環優化

6.1 用for循環代替while循環

# 不推薦寫法。代碼耗時：6.7秒
def computeSum(size: int) -> int:
? ? sum_ = 0
? ? i = 0
? ? while i < size:
? ? ? ? sum_ += i
? ? ? ? i += 1
? ? return sum_
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? sum_ = computeSum(size)
?
main()

Python 的for循環比while循環快不少。

# 推薦寫法。代碼耗時：4.3秒
def computeSum(size: int) -> int:
? ? sum_ = 0
? ? for i in range(size): ?# for 循環代替 while 循環
? ? ? ? sum_ += i
? ? return sum_
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? sum_ = computeSum(size)
?
main()

6.2 使用隱式for循環代替顯式for循環

針對上面的例子，更進一步可以用隱式for循環來替代顯式for循環

# 推薦寫法。代碼耗時：1.7秒
def computeSum(size: int) -> int:
? ? return sum(range(size)) ?# 隱式 for 循環代替顯式 for 循環
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? sum = computeSum(size)
?
main()

6.3 減少內層for循環的計算

# 不推薦寫法。代碼耗時：12.8秒
import math
?
def main():
? ? size = 10000
? ? sqrt = math.sqrt
? ? for x in range(size):
? ? ? ? for y in range(size):
? ? ? ? ? ? z = sqrt(x) + sqrt(y)
?
main()

上面的代碼中sqrt(x)位于內側for循環，每次訓練過程中都會重新計算一次，增加了時間開銷。

# 推薦寫法。代碼耗時：7.0秒
import math
?
def main():
? ? size = 10000
? ? sqrt = math.sqrt
? ? for x in range(size):
? ? ? ? sqrt_x = sqrt(x) ?# 減少內層 for 循環的計算
? ? ? ? for y in range(size):
? ? ? ? ? ? z = sqrt_x + sqrt(y)
?
main()

7.使用 numba.jit

我們沿用上面介紹過的例子，在此基礎上使用numba.jit。numba可以將 Python 函數 JIT 編譯為機器碼執行，大大提高代碼運行速度。

# 推薦寫法。代碼耗時：0.62秒
import numba
?
@numba.jit
def computeSum(size: float) -> int:
? ? sum = 0
? ? for i in range(size):
? ? ? ? sum += i
? ? return sum
?
def main():
? ? size = 10000
? ? for _ in range(size):
? ? ? ? sum = computeSum(size)
?
main()

8.選擇合適的數據結構

Python 內置的數據結構如str, tuple, list, set, dict底層都是 C 實現的，速度非常快，自己實現新的數據結構想在性能上達到內置的速度幾乎是不可能的。

list類似于 C++ 中的std::vector，是一種動態數組。其會預分配一定內存空間，當預分配的內存空間用完，又繼續向其中添加元素時，會申請一塊更大的內存空間，然后將原有的所有元素都復制過去，之后銷毀之前的內存空間，再插入新元素。刪除元素時操作類似，當已使用內存空間比預分配內存空間的一半還少時，會另外申請一塊小內存，做一次元素復制，之后銷毀原有大內存空間。

因此，如果有頻繁的新增、刪除操作，新增、刪除的元素數量又很多時，list的效率不高。此時，應該考慮使用collections.deque。collections.deque是雙端隊列，同時具備棧和隊列的特性，能夠在兩端進行 O(1)復雜度的插入和刪除操作。

list的查找操作也非常耗時。當需要在list頻繁查找某些元素，或頻繁有序訪問這些元素時，可以使用bisect維護list對象有序并在其中進行二分查找，提升查找的效率。

另外一個常見需求是查找極小值或極大值，此時可以使用heapq模塊將list轉化為一個堆，使得獲取最小值的時間復雜度是O(1)。

原文鏈接：https://blog.csdn.net/lyc2016012170/article/details/123267677

上一篇：C#?多窗口委托通信的實現_C#教程
下一篇：ASP.Net?Core中的日志與分布式鏈路追蹤_實用技巧

日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

網站首頁編程語言正文

分享Python?加速運行技巧_python

目錄

1.避免全局變量

2.避免

2.1 避免模塊和函數屬性訪問

2.2 避免類內屬性訪問

3.避免不必要的抽象

4.避免數據復制

4.1 避免無意義的數據復制

4.2 交換值時不使用中間變量

4.3 字符串拼接用join而不是+

5.利用 if 條件的短路特性

6.循環優化

6.1 用for循環代替while循環

6.2 使用隱式for循環代替顯式for循環

6.3 減少內層for循環的計算

7.使用 numba.jit

8.選擇合適的數據結構

相關推薦

日本免费高清视频-国产福利视频导航-黄色在线播放国产-天天操天天操天天操天天操|www.shdianci.com

網站首頁 編程語言 正文

分享Python?加速運行技巧_python

目錄

1.避免全局變量

2.避免

2.1 避免模塊和函數屬性訪問

2.2 避免類內屬性訪問

3.避免不必要的抽象

4.避免數據復制

4.1 避免無意義的數據復制

4.2 交換值時不使用中間變量

4.3 字符串拼接用join而不是+

5.利用 if 條件的短路特性

6.循環優化

6.1 用for循環代替while循環

6.2 使用隱式for循環代替顯式for循環

6.3 減少內層for循環的計算

7.使用 numba.jit

8.選擇合適的數據結構

相關推薦

網站首頁編程語言正文