今天总结3个提升Python运行速度的方法,只从代码本身考虑,提升运行速度并不会从编写C 扩展的代码、基于JIT的编译器技术考虑。
关于代码执行效率的 第一个方法是减少频繁的方法访问 ,尤其是在多层循环内层、且循环次数较多的操作,差距尤为明显。
- # 真是模块内全局变量
- import math
-
- def compute_sqrt(nums):
- result = []
- for n in nums: # 假如nums长度很大
- # 1. math.sqrt 会被频繁访问
- # 2. result.append 也会被频繁访问
- result.append(math.sqrt(n))
- return result
- 复制代码
看到在for循环里面,涉及2个频繁的访问:
- math.sqrt 会被频繁访问
- result.append 也会被频繁访问
因此第一步做如下更改:直接导入sqrt,而不是导入整个模块后再去引用sqrt
直接导入sqrt,而不是导入整个模块后再去引用sqrt
from math import sqrt
def compute_sqrt(nums): result = [] for n in nums: # 假如nums长度很大 # 1. math.sqrt 会被频繁访问 # 2. result.append 也会被频繁访问 result.append(sqrt(n)) return result
然后再修改result.append,不用频繁访问append,使用标签apd指向它就行了:
- # 直接导入sqrt,而不是导入整个模块后再去引用sqrt
- from math import sqrt
-
- def compute_sqrt(nums):
- result = []
- apd = result.append
- for n in nums: # 假如nums长度很大
- # 1. math.sqrt 会被频繁访问
- # 2. result.append 也会被频繁访问
- apd(sqrt(n))
- return result
- 复制代码
第二个方法:**查找局部变量的效率是最高的!!!**对于频繁访问的变量应尽可能是局部变量,消除不必要的全局变量访问。所以对于上面代码,sqrt还是模块级别的全局变量,所以修改为:
- def compute_sqrt(nums):
- # 调整sqrt为局部变量
- from math import sqrt
- result = []
- apd = result.append
- for n in nums: # 假如nums长度很大
- # 1. math.sqrt 会被频繁访问
- # 2. result.append 也会被频繁访问
- apd(sqrt(n))
- return result
- 复制代码
第三个方法:**不要做一些不必要的属性包装。**比如@property必要时再用,能不用时就别用。如下对于属性y做@property装饰没有任何意义!只有在y有特定取值,比如只能取大于0的非负实数时再用此装饰才有意义。
- class A:
- def __init__(self, x, y):
- self.x = x
- self.y = y
- @property
- def y(self):
- return self._y
- @y.setter
- def y(self, value):
- self._y = value
- 复制代码
因此修改为下面这样,删去多余的@property包装
- class A:
- def __init__(self, x, y):
- self.x = x
- self.y = y
- 复制代码
以上就是本次分享的所有内容,想要了解更多欢关注 ,每日干货分享