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