7個提升Python程式效能的好習慣

標籤：函數   通過   for   while   pil   rom   變數   pytho   查詢   

原文愛coding，會編程的核電工程師。個人部落格地址：zhihu.com/people/zhong-yun-75-63

掌握一些技巧，可盡量提高Python程式效能，也可以避免不必要的資源浪費。

1、使用局部變數

盡量使用局部變數代替全域變數：便於維護，提高效能並節省記憶體。

使用局部變數替換模組名字空間中的變數，例如 ls = os.linesep。一方面可以提高程式效能，局部變數尋找速度更快；另一方面可用簡短標識符替代冗長的模組變數，提高可讀性。

2、減少函數調用次數

物件類型判斷時，採用isinstance()最優，採用物件類型身份（id()）次之，採用對象值（type()）比較最次。

#判斷變數num是否為整數類型type(num) == type(0) #調用三次函數type(num) is type(0) #身份比較isinstance(num,(int)) #調用一次函數

不要在重複操作的內容作為參數放到迴圈條件中，避免重複運算。

#每次迴圈都需要重新執行len(a)while i < len(a):   statement#len(a)僅執行一次m = len(a)while i < m:   statement

如需使用模組X中的某個函數或對象Y，應直接使用from X import Y，而不是import X; X.Y。這樣在使用Y時，可以減少一次查詢（解譯器不必首先尋找到X模組，然後在X模組的字典中尋找Y）。

3、採用映射覆寫準則尋找

映射（比如dict等）的搜尋速度遠快於條件陳述式（如if等）。Python中也沒有select-case語句。

#if尋找if a == 1:   b = 10elif a == 2:   b = 20...#dict尋找，效能更優d = {1:10,2:20,...}b = d[a]

4、直接迭代序列元素

對序列（str、list、tuple等），直接迭代序列元素，比迭代元素的索引速度要更快。

a = [1,2,3]#迭代元素for item in a:   print(item)#迭代索引for i in range(len(a)):  print(a[i])

5、採用產生器運算式替代列表解析

列表解析（list comprehension），會產生整個列表，對大量資料的迭代會產生負面效應。

而產生器運算式則不會，其不會真正建立列表，而是返回一個產生器，在需要時產生一個值（延遲計算），對記憶體更加友好。

#計算檔案f的非Null 字元個數#產生器運算式l = sum([len(word) for line in f for word in line.split()])#列表解析l = sum(len(word) for line in f for word in line.split())

6、先編譯後調用

使用eval()、exec()函數執行代碼時，最好調用代碼對象（提前通過compile()函數編譯成位元組碼），而不是直接調用str，可以避免多次執行重複編譯過程，提高程式效能。

Regex模式比對也類似，也最好先將Regex模式編譯成regex對象（通過re.complie()函數），然後再執行比較和匹配。

7、模組編程習慣

模組中的最進階別Python語句（沒有縮排的代碼）會在模組匯入（import）時執行（不論其是否真的必要執行）。因此，應盡量將模組所有的功能代碼放到函數中，包括主程式相關的功能代碼也可放到main()函數中，主程式本身調用main()函數。

可以在模組的main()函數中書寫測試代碼。在主程式中，檢測name的值，如果為‘main‘（表示模組是被直接執行），則調用main(）函數，進行測試；如果為模組名字（表示模組是被調用），則不進行測試。

7個提升Python程式效能的好習慣