提升 Python 代码运行速度的6个技巧
其实，Python 比我们想象的运行的要快。我们之所以有先入为主的认为Python运行慢，可能是我们平常的误用和缺乏使用技巧知识。
接下来让我们看看如何用一些简单的Trick来提高我们程序的运行性能
1、使用内置函数
Python中的许多内置函数都是用C实现的，并且经过了很好的优化。因此，如果熟悉这些内置函数，就可以提高Python代码的性能。一些常用的内置函数有sum()、len()、map()、max()等。
假设我们有一个包含单词的列表，我们希望每个单词的首字母均变为大写。此时使用map()函数是不错的选择。
一般版本:
new_list = [] word_list = ["i", "am", "a", "python", "programmer"] for word in word_list: new_list.append(word.capitalize())
改进版本:
word_list = ["i", "am", "a", "python", "programmer"] new_list = list(map(str.capitalize, word_list))
时间对比:
import time new_list = [] word_list = ["i", "am", "a", "python", "programmer"] start = time.time() for word in word_list: new_list.append(word.capitalize()) print(time.time() - start, "seconds") start = time.time() new_list = list(map(str.capitalize, word_list)) print(time.time() - start, "seconds")
运行结果:
1.0013580322265625e-05 seconds
4.76837158203125e-06 seconds
可以看出第二种方法运行速度快了将近2倍.
2、字符串连接 VS join()
在Python中，字符串是不可变的，因此我们不能修改它们。
每次当我们连接多个字符串时，我们将会创建一个新的字符串,此时会导致一些运行性能问题。
一般版本:
new_list = [] word_list = ["I", "am", "a", "Python", "programmer"] for word in word_list: new_list += word
改进版本:
word_list = ["I", "am", "a", "Python", "programmer"] new_list = "".join(word_list)
时间对比:
import time new_list = [] word_list = ["I", "am", "a", "Python", "programmer"] start = time.time() for word in word_list: new_list += word print(time.time() - start, "seconds") start = time.time() new_list = "".join(word_list) print(time.time() - start, "seconds")
运行结果:
4.0531158447265625e-06 seconds
9.5367431640625e-07 seconds
使用Join()函数可以让代码运行快4倍.
3、创建列表和字典的方式
一般来说,使用[]和{}来创建列表和字典相比使用list()和dict{}运行更加高效.这是因为使用list()和dict{}来创建对象时需要调用一个附加函数.
一般版本:
list() dict()
改进版本:
()
{}时间对比:
为了便于对比时间,这里我们使用timeit函数来统计,我们运行1百万次,来看二者的时间对比,代码如下:
import timeit
slower_list = timeit.timeit("list()", number=10**6)
slower_dict = timeit.timeit("dict()", number=10**6)
faster_list = timeit.timeit("[]", number=10**6)
faster_dict = timeit.timeit("{}", number=10**6)
print(slower_list, "seconds")
print(slower_dict, "seconds")
print(faster_list, "seconds")
print(faster_dict, "seconds")运行结果:
0.08825178800000001 seconds
0.083323732 seconds
0.019935448999999994 seconds
0.027835573000000002 seconds
可以看出,我们的运行速度快了将近4倍.
4、使用 f-Strings
我们已经知道将字符串进行串联可能会使程序变慢。
另一个比较好的解决方案是使用f-Strings。
一般版本:
me = "Python" string = "Make " + me + " faster"
改进版本:
me = "Python"
string = f"Make {me} faster"时间对比:
import time
me = "Python"
start = time.time()
string = "Make " + me + " faster"
print(time.time() - start, "seconds")
start = time.time()
string = f"Make {me} faster"
print(time.time() - start, "seconds")运行结果:
2.1457672119140625e-06 seconds
9.5367431640625e-07 seconds
可以看出,我们的运行速度快了将近2倍.
5、使用Comprehensions
Python中的List Comprehensions为我们提供了更短的语法，甚至只有一行代码来实现各种强大的功能。很多用到循环的场景下,我们尽量使用生成式的语法来实现.
一般版本:
new_list = [] existing_list = range(1000000) for i in existing_list: if i % 2 == 1: new_list.append(i)
较快版本:
existing_list = range(1000000) new_list = [i for i in existing_list if i % 2 == 1]
时间对比:
import time new_list = [] existing_list = range(1000000) start = time.time() for i in existing_list: if i % 2 == 1: new_list.append(i) print(time.time() - start, "seconds") start = time.time() new_list = [i for i in existing_list if i % 2 == 1] print(time.time() - start, "seconds")
运行结果:
0.16418218612670898 seconds
0.07834219932556152 seconds
可以看出,我们的运行速度快了将近2倍.
6、附录- Python中的内置函数
我们可以通过官网来查看Python的内置函数.
如果我们只关注上述例子中一些短小的代码片段,这些技巧似乎没有太大的改善。 实际上，我们的项目很容易变得复杂,此时上述技巧就派上用场啦！
7. 总结
本文重点介绍了在Python中如何使用一些简单的Trick来提升代码运行效率，并给出了相应的代码示例。
相关文章
通过labelme对图进行标注后，得到的是json文件，而Yolov5对数据进行模型构建的时候，读取需要的是txt格式的文件。所以需要先通过Python进行文件格式的转换,需要的朋友可以参考下2023-05-05
Celery是一个基于python开发的分布式任务队列，而做python WEB开发最为流行的框架莫属Django，本示例使用主要依赖包Django+Celery实现定时任务，感兴趣的朋友一起看看吧2021-06-06
Python pickle 二进制序列化和反序列化及数据持久化详解
这篇文章主要介绍了Python pickle 二进制序列化和反序列化 - 数据持久化,模块 pickle 实现了对一个 Python 对象结构的二进制序列化和反序列化，本文介绍了Pickle的基本用法，需要的朋友可以参考下2024-01-01
在本文中我们给大家总结了关于linux安装python修改默认python版本的方法和相关知识点，需要的读者们参考下。2019-03-03
python sqlite3 判断cursor的结果是否为空的案例
这篇文章主要介绍了python sqlite3 判断cursor的结果是否为空的案例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
Python中利用Scipy包的SIFT方法进行图片识别的实例教程
SIFT算法可以检测图片中的局部特征,算法原理相当复杂...但是!Python强大的第三方包Scipy中带有实现SIFT算法的SIFT方法,我们只要拿来用就可以了,下面就为大家带来Python中利用Scipy包的SIFT方法进行图片识别的实例教程.2016-06-06
这篇文章主要为大家介绍了pytorch深度神经网络入门准备自己的图片数据示例过程，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-06-06
这篇文章主要为大家详细介绍了python3实现简单飞机大战，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-11-11
本文主要介绍了1秒钟使用python建立文件服务器的方法步骤，文中通过示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-10-10
这篇文章主要介绍了python使用opencv对图像mask处理的方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-07-07
最新评论