Python 性能快速优化: 系列一

注: 本文的原文地址 quick-python-performance-optimization-part-i

Python可能最容易扼杀你的想法,但不是最好的代码实现。尽管强烈反对过早优化,但在 Python 代码中一点点的优化都可能带来巨大的性能提升。

解释仅仅是目的,最正确的方式是天天使用 Python 编程,并且与性能影响相关。

  • %timeit (per line)%prun (cProfile) 在 ipython 的交互式 Shell 中

当你的代码在工作时,分析你的代码,并且尝试找出性能瓶颈在哪里。这不与过早的优化是万恶之源这个事实相反。这意味着一级优化,而不是进入冗长的优化序列。

更多的分析你的 Python 代码,你需要阅读这个 python-performance-analysis

另外一个有趣的包, line_profiler 是一行一行的分析代码
分析 line_profiler

  • 降低方法调用次数,如果你有一个列表需要操作,传递整个列表,而不是遍历整个列表并且传递每个元素给函数并返回。
  • 使用 xrange 代替 range。(在 Python2.x 中这样做,因为 Python 3.x 中是默认的)

xrangerange 的 C 实现,着眼于有效的内存使用。

  • 对于大数据,使用 numpy,它比标准的数据结构好很多。

  • "".join(string)+ or +=

  • while 1while True

  • list comphrension > for loop > while

列表推导比循环遍历列表快,但 while loop 是最慢的,需要使用一个外部计数器。

  • 使用 cProfilecStringIOcPickle

一直使用 C 版本的模块

  • 使用局部变量

局部变量比全局变量,内建类型以及属性快。

  • 列表和迭代器版本存在 – 迭代器是内存效率和可伸缩性的。使用 itertools

创建生成器以及尽可能使用 yeild,它们比正常的列表方式更快。

http://www.diveinto.org/python3/iterators.html

http://stackoverflow.com/questions/231767/the-python-yield-keyword-explained

让我继续下一个层次的第二部分快速优化技巧

    原文作者:yexiaobai
    原文地址: https://segmentfault.com/a/1190000000616143
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞