让你python代码更快的3个小技巧

大家好！今天呢，我们来聊一聊如何加速你的 python 代码。

Python 语言的优点可以列举出许多，语法简单易懂、模块丰富、应用广泛等等。但是世界上没有有完美的东西，python 一个明显缺点就是运行速度慢，至少跟 C 语言没法比。

所以，不安于现状的 Pythoner 就开发了许多工具。其中，最著名的莫过于 Cython 和 Numba。其中 Cython 可以把 Python 代码转成 C 代码执行，而 Numba 则是 Python 中的一个 JIT 编译器（即时编译器），以此提高运行效率。

不过我们今天不讲这些复杂的工具，看看能不能只通过改进你的 Python 代码以提高速度。

一、函数

函数可以提高代码的可读性，那么用了函数对程序的执行效率是否有影响呢？我们来做个对比实验。

先来看一个不用函数的版本：

import math

import time

 

start = time.time() # 开始计时

lst = [] # 定义一个空列表

for i in range(1, 10000000):

lst.append(math.sqrt(i)) # 疯狂地往列表里添加计算结果

end = time.time() # 停止计时

print(end-start)

此代码在我的电脑上输出为 2.124 （不同配置的电脑结果不一样，可多次运行取平均值）。再来加上函数试一下：

import math

import time

 

def func():

lst = [] # 定义一个空列表

for i in range(1, 10000000):

lst.append(math.sqrt(i)) # 疯狂地往列表里添加计算结果

return lst # 返回结果

 

start = time.time() # 开始计时

lst = func()

end = time.time() # 停止计时

print(end-start)

在我的电脑上， 使用了函数的程序用了大概花了 1.743  秒。多次尝试，基本上都会比上一个版本节省 15~20% 左右时间，这个差距还是存在的。

有人可能会觉得，增加了 函数 调用，效率可能会低。但实际上，我们这里只是增加了一次调用，影响甚微。而由于  Python 中 局部变量 和 全局变量 的实现方式不同， 使用局部变量效率会高些 。

所以使用函数不仅提高可读性，用得好还能让代码运行得更快。

二、去掉属性访问

再来看另一个例子，还是刚才的函数版本，我们做一点修改，改变其中导入函数的方式，由 math.sqrt 改为 sqrt：

from math import sqrt # 直接引用特定函数或属性

import time

 

def func():

lst = []

for i in range(1, 10000000):

lst.append(sqrt(i)) # 直接调用 sqrt

return lst

 

start = time.time()

lst = func()

end = time.time()

print(end-start)

在其它代码均没有变动的情况下，这个程序的输出时间变成了……

1.413  秒!

居然更快了。这又是为什么呢？

因为在进行 属性访问 的时候啊，会调用这个对象的 __getattribute__ 或者 __getattr__ 方法，造成了额外的开销，所以导致速度变慢。

三、列表推导式

最后再来看看 列表推导式（List Comprehension） ，它的效率和普通 for 循环会有不一样吗？

继续在上一个版本上修改：

from math import sqrt

import time

 

def func():

# for 循环改为列表推导式

lst = [sqrt(i) for i in range(1, 10000000)]

return lst

 

start = time.time()

lst = func()

end = time.time()

print(end-start)

结果是 0.968 秒！

这又是为什么呢？因为 列表推导式内的迭代是 C 实现 的，所以效率更高。

同最初的版本相比，实现同样的效果，我们仅通过调整代码的写法，速度就提高了一倍还多。

各位 Pythoner，你们学到了吗？

大家好！今天呢，我们来聊一聊如何加速你的 python 代码。
Python 语言的优点可以列举出许多，语法简单易懂、模块丰富、应用广泛等等。但是世界上没有有完美的东西，python 一个明显缺点就是运行速度慢，至少跟 C 语言没法比。
所以，不安于现状的 Pythoner 就开发了许多工具。其中，最著名的莫过于 Cython 和 Numba。其中 Cython 可以把 Python 代码转成 C 代码执行，而 Numba 则是 Python 中的一个 JIT 编译器（即时编译器），以此提高运行效率。

不过我们今天不讲这些复杂的工具，看看能不能只通过改进你的 Python 代码以提高速度。
一、函数
函数可以提高代码的可读性，那么用了函数对程序的执行效率是否有影响呢？我们来做个对比实验。
先来看一个不用函数的版本：

import mathimport time
start = time.time()    # 开始计时lst = []    # 定义一个空列表for i in range(1, 10000000):    lst.append(math.sqrt(i))    # 疯狂地往列表里添加计算结果end = time.time()    # 停止计时print(end-start)

此代码在我的电脑上输出为 2.124（不同配置的电脑结果不一样，可多次运行取平均值）。再来加上函数试一下：

import mathimport time
def func():    lst = []   # 定义一个空列表    for i in range(1, 10000000):        lst.append(math.sqrt(i))   # 疯狂地往列表里添加计算结果    return lst   # 返回结果
start = time.time()   # 开始计时lst = func()   end = time.time()   # 停止计时print(end-start)

在我的电脑上，使用了函数的程序用了大概花了 1.743 秒。多次尝试，基本上都会比上一个版本节省 15~20% 左右时间，这个差距还是存在的。
有人可能会觉得，增加了函数调用，效率可能会低。但实际上，我们这里只是增加了一次调用，影响甚微。而由于 Python 中局部变量和全局变量的实现方式不同，使用局部变量效率会高些。
所以使用函数不仅提高可读性，用得好还能让代码运行得更快。


二、去掉属性访问
再来看另一个例子，还是刚才的函数版本，我们做一点修改，改变其中导入函数的方式，由 math.sqrt 改为 sqrt：

from math import sqrt   # 直接引用特定函数或属性import time
def func():    lst = []    for i in range(1, 10000000):        lst.append(sqrt(i))    # 直接调用 sqrt    return lst
start = time.time()lst = func()end = time.time()print(end-start)

在其它代码均没有变动的情况下，这个程序的输出时间变成了……
1.413 秒!
居然更快了。这又是为什么呢？
因为在进行属性访问的时候啊，会调用这个对象的 __getattribute__ 或者 __getattr__ 方法，造成了额外的开销，所以导致速度变慢。


三、列表推导式
最后再来看看列表推导式（List Comprehension），它的效率和普通 for 循环会有不一样吗？

继续在上一个版本上修改：

from math import sqrtimport time
def func():    # for 循环改为列表推导式    lst = [sqrt(i) for i in range(1, 10000000)]    return lst
start = time.time()lst = func()end = time.time()print(end-start)

结果是 0.968 秒！

这又是为什么呢？因为列表推导式内的迭代是 C 实现的，所以效率更高。
同最初的版本相比，实现同样的效果，我们仅通过调整代码的写法，速度就提高了一倍还多。
各位 Pythoner，你们学到了吗？