导读 今天总结三个提升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。

今天总结三个提升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 

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 

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 

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 

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 

以上就是Python代码提速的3条基本但却容易被忽略的有价值方法,希望对你有用。

原文来自:https://mp.weixin.qq.com/s?__biz=MzI3NTkyMjA4NA==&mid=2247503983&idx=1&sn=1d0bc10599346f795de92974c4b2acbb&chksm=eb7ffda4dc0874b2ffae369a9bef496560f288a4787c7d35c0c512293dfec84a988d2efb59c4&mpshare=1&s

本文地址:https://www.linuxprobe.com/python-running-speed-up.html编辑:姜 一 一,审核员:逄增宝

Linux命令大全:https://www.linuxcool.com/

Linux系统大全:https://www.linuxdown.com/

红帽认证RHCE考试心得:https://www.rhce.net/