2022年 11月 4日

3个提升Python运行速度的方法,都很实用

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。

  1. # 真是模块内全局变量
  2. import math
  3. def compute_sqrt(nums):
  4. result = []
  5. for n in nums: # 假如nums长度很大
  6. # 1. math.sqrt 会被频繁访问
  7. # 2. result.append 也会被频繁访问
  8. result.append(math.sqrt(n))
  9. return result
  10. 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:

  1. # 直接导入sqrt,而不是导入整个模块后再去引用sqrt
  2. from math import sqrt
  3. def compute_sqrt(nums):
  4. result = []
  5. apd = result.append
  6. for n in nums: # 假如nums长度很大
  7. # 1. math.sqrt 会被频繁访问
  8. # 2. result.append 也会被频繁访问
  9. apd(sqrt(n))
  10. return result
  11. 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:

  1. def compute_sqrt(nums):
  2. # 调整sqrt为局部变量
  3. from math import sqrt
  4. result = []
  5. apd = result.append
  6. for n in nums: # 假如nums长度很大
  7. # 1. math.sqrt 会被频繁访问
  8. # 2. result.append 也会被频繁访问
  9. apd(sqrt(n))
  10. return result
  11. 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。

  1. class A:
  2. def __init__(self, x, y):
  3. self.x = x
  4. self.y = y
  5. @property
  6. def y(self):
  7. return self._y
  8. @y.setter
  9. def y(self, value):
  10. self._y = value
  11. 复制代码

因此修改为下面这样,删去多余的@property包装

  1. class A:
  2. def __init__(self, x, y):
  3. self.x = x
  4. self.y = y
  5. 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