代碼最佳化Part1
分享最近看到的關於代碼最佳化的一些技巧。
if 判斷的短路特性
對於and,應該把滿足條件少的放在前面,這樣當對於大量判斷時, 滿足條件少的情況直接回導致其後其他運算式不會計算從而節約時間(因為 False and True 還是 False)
import timeits1 = """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)
運行結果如下:
➜ python test6.py0.2485320568080.195827960968# 可以看到s2 運算式計算更快, 因為大部分情況都不滿足 i>1900, 所以這些情況下, i % 2 == 0 也沒有計算,從而節約了時間
同理對於or,把滿足條件多的放在前面。
import timeits1 = """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)
運行結果:
0.2531249523160.202992200851
join 合并字串
join 合并字串比迴圈使用 + 來合并要快。
import timeits1 = """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)
運行結果如下:
python test6.py0.5589458942410.422435998917
while 1 和 while True
在python2.x裡, True 和 False 不是保留的關鍵字,是一個全域變數,這意味著你可以這樣
>>> True = 0>>> True0>>> if not True:... print '1'...1
所以下面這兩種情況:
import timeits1 = """n = 1000000while 1: n -= 1 if n <= 0: break"""s2 = """n = 1000000while True: n -= 1 if n <= 0: break"""print timeit.timeit(stmt=s1, number=100)print timeit.timeit(stmt=s2, number=100)
運行結果如下:
➜ python test6.py5.180073022846.84624099731
因為每次判斷 while True 的時候, 先要去找到True的值。
在python3.x裡, True 變成了關鍵字參數,所以上述兩種情況就一樣了。
cProfile, cStringIO 和 cPickle
使用C語言的版本寫的擴充要比原生的要快。cPickle vs pickle 如下:
import timeits1 = """import cPickleimport picklen = range(10000)cPickle.dumps(n)"""s2 = """import cPickleimport picklen = range(10000)pickle.dumps(n)"""print timeit.timeit(stmt=s1, number=100)print timeit.timeit(stmt=s2, number=100)
運行結果如下:
➜ python test6.py0.1821789741521.70917797089
合理使用產生器
區別
使用()得到的是一個generator對象,所需要的記憶體空間與列表的大小無關,所以效率會高一些。
import timeits1 = """[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)
結果:
➜ python test6.py5.443274974820.923446893692
但是對於需要迴圈遍曆的情況:使用迭代器效率反而不高,如下:
import timeits1 = """ls = range(1000000)def yield_func(ls): for i in ls: yield i+1for 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)
結果如下:
➜ python test6.py1.031867027281.01472687721
所以使用產生器是一個權衡的結果,對於記憶體、速度綜合考慮的結果。
xrange
在python2.x裡xrange 是純C實現的產生器,相對於range來說,它不會一次性計算出所有值在記憶體中。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 語句的開銷
import語句有時候為了限制它們的作用範圍或者節省初始化時間,被卸載函數內部,雖然python的解譯器不會重複import同一個模組不會出錯,但重複匯入會影響部分效能。有時候為了實現懶載入(即使用的時候再載入一個開銷很大的模組),可以這麼做:
email = Nonedef parse_email(): global email if email is None: import email ...# 這樣一來email模組僅會被引入一次,在parse_email()被第一次調用的時候。