Python是一種腳本語(yǔ)言，相比C/C++這樣的編譯語(yǔ)言，在效率和性能方面存在一些不足。但是，有很多時(shí)候，Python的效率并沒有想象中的那么夸張。本文對(duì)一些Python代碼加速運(yùn)行的技巧進(jìn)行整理。
0.代碼優(yōu)化原則
本文會(huì)介紹不少的Python代碼加速運(yùn)行的技巧。在深入代碼優(yōu)化細(xì)節(jié)之前，需要了解一些代碼優(yōu)化基本原則。
第一個(gè)基本原則是不要過早優(yōu)化。很多人一開始寫代碼就奔著性能優(yōu)化的目標(biāo)，“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(yōu)化的前提是代碼能正常工作。過早地進(jìn)行優(yōu)化可能會(huì)忽視對(duì)總體性能指標(biāo)的把握，在得到全局結(jié)果前不要主次顛倒。
第二個(gè)基本原則是權(quán)衡優(yōu)化的代價(jià)。優(yōu)化是有代價(jià)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(shí)間換空間或空間換時(shí)間。另外，開發(fā)代價(jià)也需要考慮。
第三個(gè)原則是不要優(yōu)化那些無(wú)關(guān)緊要的部分。如果對(duì)代碼的每一部分都去優(yōu)化，這些修改會(huì)使代碼難以閱讀和理解。如果你的代碼運(yùn)行速度很慢，首先要找到代碼運(yùn)行慢的位置，通常是內(nèi)部循環(huán)，專注于運(yùn)行慢的地方進(jìn)行優(yōu)化。在其他地方，一點(diǎn)時(shí)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(shí)：26.8秒
importmath
size=10000
forxinrange(size):
foryinrange(size):
z=math.sqrt(x)+math.sqrt(y)
許多程序員剛開始會(huì)用Python語(yǔ)言寫一些簡(jiǎn)單的腳本，當(dāng)編寫腳本時(shí)，通常習(xí)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(shí)現(xiàn)方式不同，定義在全局范圍內(nèi)的代碼運(yùn)行速度會(huì)比定義在函數(shù)中的慢不少。通過將腳本語(yǔ)句放入到函數(shù)中，通?？蓭?lái)15%-30%的速度提升。
#推薦寫法。代碼耗時(shí)：20.6秒
importmath
defmain():#定義到函數(shù)中，以減少全部變量使用
size=10000
forxinrange(size):
foryinrange(size):
z=math.sqrt(x)+math.sqrt(y)
main()
2.避免.
2.1避免模塊和函數(shù)屬性訪問
#不推薦寫法。代碼耗時(shí)：14.5秒
importmath
defcomputeSqrt(size:int):
result=[]
foriinrange(size):
result.append(math.sqrt(i))
returnresult
defmain():
size=10000
for_inrange(size):
result=computeSqrt(size)
main()
每次使用.(屬性訪問操作符時(shí))會(huì)觸發(fā)特定的方法，如__getattribute__()和__getattr__()，這些方法會(huì)進(jìn)行字典操作，因此會(huì)帶來(lái)額外的時(shí)間開銷。通過fromimport語(yǔ)句，可以消除屬性訪問。
#第一次優(yōu)化寫法。代碼耗時(shí)：10.9秒
frommathimportsqrt
defcomputeSqrt(size:int):
result=[]
foriinrange(size):
result.append(sqrt(i))#避免math.sqrt的使用
returnresult
defmain():
size=10000
for_inrange(size):
result=computeSqrt(size)
main()
在第1節(jié)中我們講到，局部變量的查找會(huì)比全局變量更快，因此對(duì)于頻繁訪問的變量sqrt，通過將其改為局部變量可以加速運(yùn)行。
#第二次優(yōu)化寫法。代碼耗時(shí)：9.9秒
importmath
defcomputeSqrt(size:int):
result=[]
sqrt=math.sqrt#賦值給局部變量
foriinrange(size):
result.append(sqrt(i))#避免math.sqrt的使用
returnresult
defmain():
size=10000
for_inrange(size):
result=computeSqrt(size)
main()
除了math.sqrt外，computeSqrt函數(shù)中還有.的存在，那就是調(diào)用list的append方法。通過將該方法賦值給一個(gè)局部變量，可以徹底消除computeSqrt函數(shù)中for循環(huán)內(nèi)部的.使用。
#推薦寫法。代碼耗時(shí)：7.9秒
importmath
defcomputeSqrt(size:int):
result=[]
append=result.append
sqrt=math.sqrt#賦值給局部變量
foriinrange(size):
append(sqrt(i))#避免result.append和math.sqrt的使用
returnresult
defmain():
size=10000
for_inrange(size):
result=computeSqrt(size)
main()
2.2避免類內(nèi)屬性訪問
#不推薦寫法。代碼耗時(shí)：10.4秒
importmath
fromtypingimportList
classDemoClass:
def__init__(self,value:int):
self._value=value
defcomputeSqrt(self,size:int)->List[float]:
result=[]
append=result.append
sqrt=math.sqrt
for_inrange(size):
append(sqrt(self._value))
returnresult
defmain():
size=10000
for_inrange(size):
demo_instance=DemoClass(size)
result=demo_instance.computeSqrt(size)
main()
避免.的原則也適用于類內(nèi)屬性，訪問self._value的速度會(huì)比訪問一個(gè)局部變量更慢一些。通過將需要頻繁訪問的類內(nèi)屬性賦值給一個(gè)局部變量，可以提升代碼運(yùn)行速度。
#推薦寫法。代碼耗時(shí)：8.0秒
importmath
fromtypingimportList
classDemoClass:
def__init__(self,value:int):
self._value=value
defcomputeSqrt(self,size:int)->List[float]:
result=[]
append=result.append
sqrt=math.sqrt
value=self._value
for_inrange(size):
append(sqrt(value))#避免self._value的使用
returnresult
defmain():
size=10000
for_inrange(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(shí)：0.55秒
classDemoClass:
def__init__(self,value:int):
self.value=value
@property
defvalue(self)->int:
returnself._value
@value.setter
defvalue(self,x:int):
self._value=x
defmain():
size=1000000
foriinrange(size):
demo_instance=DemoClass(size)
value=demo_instance.value
demo_instance.value=i
main()
任何時(shí)候當(dāng)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(shí)，都會(huì)讓代碼變慢。大部分情況下，需要重新進(jìn)行審視使用屬性訪問器的定義是否有必要，使用getter/setter函數(shù)對(duì)屬性進(jìn)行訪問通常是C/C++程序員遺留下來(lái)的代碼風(fēng)格。如果真的沒有必要，就使用簡(jiǎn)單屬性。
#推薦寫法，代碼耗時(shí)：0.33秒
classDemoClass:
def__init__(self,value:int):
self.value=value#避免不必要的屬性訪問器
defmain():
size=1000000
foriinrange(size):
demo_instance=DemoClass(size)
value=demo_instance.value
demo_instance.value=i
main()
4.避免數(shù)據(jù)復(fù)制
4.1避免無(wú)意義的數(shù)據(jù)復(fù)制
#不推薦寫法，代碼耗時(shí)：6.5秒
defmain():
size=10000
for_inrange(size):
value=range(size)
value_list=[xforxinvalue]
square_list=[x*xforxinvalue_list]
main()
上面的代碼中value_list完全沒有必要，這會(huì)創(chuàng)建不必要的數(shù)據(jù)結(jié)構(gòu)或復(fù)制。
#推薦寫法，代碼耗時(shí)：4.8秒
defmain():
size=10000
for_inrange(size):
value=range(size)
square_list=[x*xforxinvalue]#避免無(wú)意義的復(fù)制
main()
另外一種情況是對(duì)Python的數(shù)據(jù)共享機(jī)制過于偏執(zhí)，并沒有很好地理解或信任Python的內(nèi)存模型，濫用copy.deepcopy()之類的函數(shù)。通常在這些代碼中是可以去掉復(fù)制操作的。
4.2交換值時(shí)不使用中間變量
#不推薦寫法，代碼耗時(shí)：0.07秒
defmain():
size=1000000
for_inrange(size):
a=3
b=5
temp=a
a=b
b=temp
main()
上面的代碼在交換值時(shí)創(chuàng)建了一個(gè)臨時(shí)變量temp，如果不借助中間變量，代碼更為簡(jiǎn)潔、且運(yùn)行速度更快。
#推薦寫法，代碼耗時(shí)：0.06秒
defmain():
size=1000000
for_inrange(size):
a=3
b=5
a,bb=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(shí)：2.6秒
importstring
fromtypingimportList
defconcatString(string_list:List[str])->str:
result=''
forstr_iinstring_list:
result+=str_i
returnresult
defmain():
string_list=list(string.ascii_letters*100)
for_inrange(10000):
result=concatString(string_list)
main()
當(dāng)使用a+b拼接字符串時(shí)，由于Python中字符串是不可變對(duì)象，其會(huì)申請(qǐng)一塊內(nèi)存空間，將a和b分別復(fù)制到該新申請(qǐng)的內(nèi)存空間中。因此，如果要拼接n個(gè)字符串，會(huì)產(chǎn)生n-1個(gè)中間結(jié)果，每產(chǎn)生一個(gè)中間結(jié)果都需要申請(qǐng)和復(fù)制一次內(nèi)存，嚴(yán)重影響運(yùn)行效率。而使用join()拼接字符串時(shí)，會(huì)首先計(jì)算出需要申請(qǐng)的總的內(nèi)存空間，然后一次性地申請(qǐng)所需內(nèi)存，并將每個(gè)字符串元素復(fù)制到該內(nèi)存中去。
#推薦寫法，代碼耗時(shí)：0.3秒
importstring
fromtypingimportList
defconcatString(string_list:List[str])->str:
return''.join(string_list)#使用join而不是+
defmain():
string_list=list(string.ascii_letters*100)
for_inrange(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(shí)：0.05秒
fromtypingimportList
defconcatString(string_list:List[str])->str:
abbreviations={'cf.','e.g.','ex.','etc.','flg.','i.e.','Mr.','vs.'}
abbr_count=0
result=''
forstr_iinstring_list:
ifstr_iinabbreviations:
result+=str_i
returnresult
defmain():
for_inrange(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(duì)ifaandb這樣的語(yǔ)句，當(dāng)a為False時(shí)將直接返回，不再計(jì)算b;對(duì)于ifaorb這樣的語(yǔ)句，當(dāng)a為True時(shí)將直接返回，不再計(jì)算b。因此，為了節(jié)約運(yùn)行時(shí)間，對(duì)于or語(yǔ)句，應(yīng)該將值為True可能性比較高的變量寫在or前，而and應(yīng)該推后。
#推薦寫法，代碼耗時(shí)：0.03秒
fromtypingimportList
defconcatString(string_list:List[str])->str:
abbreviations={'cf.','e.g.','ex.','etc.','flg.','i.e.','Mr.','vs.'}
abbr_count=0
result=''
forstr_iinstring_list:
ifstr_i[-1]=='.'andstr_iinabbreviations:#利用if條件的短路特性
result+=str_i
returnresult
defmain():
for_inrange(10000):
string_list=['Mr.','Hat','is','Chasing','the','black','cat','.']
result=concatString(string_list)
main()
6.循環(huán)優(yōu)化
6.1用for循環(huán)代替while循環(huán)
#不推薦寫法。代碼耗時(shí)：6.7秒
defcomputeSum(size:int)->int:
sum_=0
i=0
whilei sum_+=i i+=1 returnsum_ defmain(): size=10000 for_inrange(size): sum_=computeSum(size) main() Python的for循環(huán)比while循環(huán)快不少。 #推薦寫法。代碼耗時(shí)：4.3秒 defcomputeSum(size:int)->int: sum_=0 foriinrange(size):#for循環(huán)代替while循環(huán) sum_+=i returnsum_ defmain(): size=10000 for_inrange(size): sum_=computeSum(size) main() 6.2使用隱式for循環(huán)代替顯式for循環(huán) 針對(duì)上面的例子，更進(jìn)一步可以用隱式for循環(huán)來(lái)替代顯式for循環(huán)。 #推薦寫法。代碼耗時(shí)：1.7秒 defcomputeSum(size:int)->int: returnsum(range(size))#隱式for循環(huán)代替顯式for循環(huán) defmain(): size=10000 for_inrange(size): sum=computeSum(size) main() 6.3減少內(nèi)層for循環(huán)的計(jì)算 #不推薦寫法。代碼耗時(shí)：12.8秒 importmath defmain(): size=10000 sqrt=math.sqrt forxinrange(size): foryinrange(size): z=sqrt(x)+sqrt(y) main() 上面的代碼中sqrt(x)位于內(nèi)側(cè)for循環(huán)，每次訓(xùn)練過程中都會(huì)重新計(jì)算一次，增加了時(shí)間開銷。 #推薦寫法。代碼耗時(shí)：7.0秒 importmath defmain(): size=10000 sqrt=math.sqrt forxinrange(size): sqrtsqrt_x=sqrt(x)#減少內(nèi)層for循環(huán)的計(jì)算 foryinrange(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(chǔ)上使用numba.jit。numba可以將Python函數(shù)JIT編譯為機(jī)器碼執(zhí)行，大大提高代碼運(yùn)行速度。關(guān)于numba的更多信息見下面的主頁(yè)：http://numba.pydata.org/numba.pydata.org #推薦寫法。代碼耗時(shí)：0.62秒 importnumba @numba.jit defcomputeSum(size:float)->int: sum=0 foriinrange(size): sum+=i returnsum defmain(): size=10000 for_inrange(size): sum=computeSum(size) main() 8.選擇合適的數(shù)據(jù)結(jié)構(gòu) Python內(nèi)置的數(shù)據(jù)結(jié)構(gòu)如str,tuple,list,set,dict底層都是C實(shí)現(xiàn)的，速度非?？?，自己實(shí)現(xiàn)新的數(shù)據(jù)結(jié)構(gòu)想在性能上達(dá)到內(nèi)置的速度幾乎是不可能的。 list類似于C++中的std::vector，是一種動(dòng)態(tài)數(shù)組。其會(huì)預(yù)分配一定內(nèi)存空間，當(dāng)預(yù)分配的內(nèi)存空間用完，又繼續(xù)向其中添加元素時(shí)，會(huì)申請(qǐng)一塊更大的內(nèi)存空間，然后將原有的所有元素都復(fù)制過去，之后銷毀之前的內(nèi)存空間，再插入新元素。 刪除元素時(shí)操作類似，當(dāng)已使用內(nèi)存空間比預(yù)分配內(nèi)存空間的一半還少時(shí)，會(huì)另外申請(qǐng)一塊小內(nèi)存，做一次元素復(fù)制，之后銷毀原有大內(nèi)存空間。 因此，如果有頻繁的新增、刪除操作，新增、刪除的元素?cái)?shù)量又很多時(shí)，list的效率不高。此時(shí)，應(yīng)該考慮使用collections.deque。collections.deque是雙端隊(duì)列，同時(shí)具備棧和隊(duì)列的特性，能夠在兩端進(jìn)行O(1)復(fù)雜度的插入和刪除操作。 list的查找操作也非常耗時(shí)。當(dāng)需要在list頻繁查找某些元素，或頻繁有序訪問這些元素時(shí)，可以使用bisect維護(hù)list對(duì)象有序并在其中進(jìn)行二分查找，提升查找的效率。 另外一個(gè)常見需求是查找極小值或極大值，此時(shí)可以使用heapq模塊將list轉(zhuǎn)化為一個(gè)堆，使得獲取最小值的時(shí)間復(fù)雜度是O(1)。 以上內(nèi)容為大家介紹了如何提速優(yōu)化python代碼?，希望對(duì)大家有所幫助，如果想要了解更多Python相關(guān)知識(shí)，請(qǐng)關(guān)注多測(cè)師。http://m.hangjiakeji.com/xwzx/
京公網(wǎng)安備 11010802030320號(hào)