为什么你的代码执行起来耗时较长？
点击上方 蓝色文字，选择置顶或星标
第一时间关注 Python 技术干货！
阅读文本大概需要 6 分钟。
春节过后，大家都陆续返回工作地上班了吧，我今天第一天上班，在地铁上用手机总结分享时忘了时间，坐过了一站，地铁上人也挺多，大家又逐渐回归到上海的快节奏生活中。
不管是公司的产品还是自己的项目，如果要做强做大，必须要关注性能问题，你的代码性能差，在大神眼里，就是不规范的代码了。
（图片来源：微信朋友圈）
你平时有关注你的代码的性能问题吗？今天通过几个简单的小栗子，给大家来讲讲性能耗时那些事儿。
打印1000以内数的列表
打印1000以内的数并组成一个 list 列表，这道题不难吧？你能用四种方法解答此题吗？借此机会正好复习下你的基础，先不要看答案，自己先想想，然后再点击空白处就可以查看答案。
01
方法1：for 循环 & 连接符
点击空白处显示答案
02
方法2：for 循环 & append 添加
点击空白处显示答案
03
方法3：列表表达式
点击空白处显示答案
04
方法4：Python 内置函数
点击空白处显示答案
都答出来了吧？没全部想到的同学得要好好复习下基础了。
哪个性能最优？
以上四种方法哪种代码的性能最优呢？先想想，心中有自己的答案后再点击下方空白查看，看看正确答案是不是你心中所想。
00
哪种方法性能最优？
点击空白处显示答案
方法4：Python 内置函数
为什么是这种方式性能最优呢？我们分别计算出代码的运行时间就会一目了然了。
计算代码执行时间，我们可以用 timeit 模块里的方法。timeit 模块可以用来测试一小段 Python 代码的执行速度。
timeit 模块定义了接受两个参数的 Timer 类。两个参数都是字符串。第一个参数是你要计时的语句或者函数。 传递给 Timer 的第二个参数是为第一个参数语句构建环境的导入语句。 从内部讲， timeit 构建起一个独立的虚拟环境， 手工地执行建立语句，然后手工地编译和执行被计时语句。
一旦有了 Timer 对象，最简单的事就是调用 timeit()，它接受一个参数为每个测试中调用被计时语句的次数，默认为一百万次，方法返回执行代码的耗时，返回的是 float 类型的秒数。
所以它的用法格式如下：
timer1 = Timer("t1()", "from __main__ import t1")
print("concat ",timer1.timeit(number=10000), "seconds")
这里为了比较时间，我把执行次数扩大 10000 倍。
把上面函数代码加上一下代码同时执行。
timer1 = Timer("t1()", "from __main__ import t1")
print("concat ", timer1.timeit(number=10000), "seconds")
timer2 = Timer("t2()", "from __main__ import t2")
print("append ",timer2.timeit(number=10000), "seconds")
timer3 = Timer("t3()", "from __main__ import t3")
print("comprehension ", timer3.timeit(number=10000), "seconds")
timer4 = Timer("t4()", "from __main__ import t4")
print("list range ", timer4.timeit(number=10000), "seconds")
执行结果如下：
concat 18.075767521498722 seconds
append 1.0233209442258122 seconds
comprehension 0.42848983041544386 seconds
list range 0.1732263190517216 seconds
结果出来了吧，最快的是用内置函数 list range 方法，执行 10000 次后耗时 0.17 秒，亚军是列表表达式，0.42 秒，耗时最长是用加号连接符，耗时 18 秒。
所以，结论是：调用 Python 内置函数执行速度是最快的，内置函数的性能是最优的。所以当你的模块被大量调用，尽量用内置函数搞定。
平时大家爬虫时往列表里添加数据也是用得比较多的吧，往列表里添加数据用的多是 append() 和 insert()，这个两个方法有区别吗？有。直接看执行效果。
def t5():
li = []
for i in range(10):
li.append(i)
print(li)
def t6():
li = []
for i in range(10):
li.insert(0, i)
print(li)
t5()
t6()
运行结果如下：
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
所以，append() 方法是从尾端添加元素，而 insert() 方法是从顶端添加元素的。
他们的区别不仅于此，性能上有区别吗？我们用上面的方法看看便知。
为了看清楚效果，我们把 range 内的次数改成 10000。
def t5():
li = []
for i in range(10000):
li.append(i)
def t6():
li = []
for i in range(10000):
li.insert(0, i)
timer5 = Timer('t5()', 'from __main__ import t5')
print("append:", timer5.timeit(number=1000))
timer6 = Timer('t6()', 'from __main__ import t6')
print("insert:", timer6.timeit(number=1000))
看看执行耗时：
append: 1.1306300416743456
insert: 31.27993700877352
差距太明显，直接 KO，所以 append 从尾端添加元素的效率远远高于 insert 从顶端添加元素的效率。
希望通过今天的小栗子，大家能明白性能的重要性，当然，这只是性能优化的冰山一角，以后我们慢慢再聊。
觉得对你有帮助的大家 帮忙点点好看，戳下鸡腿，也可以转发给更多的伙伴。
欢迎点击下方小程序留言讨论。
更多阅读
年后开工，用Python分析深圳程序员工资有多高？
用Python勾勒世界地图和中国地图
爷爷：啥是佩奇？佩奇：Python 10 秒可以画出来
Python抢票程序优化，可以选择车次和座次
以梦为马，不负韶华
长按识别二维码关注