阿里巴巴python视频_阿里巴巴力荐的Python视频，入门Python400集免费分享，让python代码更快的3个小技巧...

对于Python初学者想更轻松的学好Python开发，Python爬虫技术，Python数据分析，人工智能等技术,这里也给大家准备了一套Python系统教学资源，下面介绍下阿里巴巴推荐的大型Python400集视频学习资料~

有五个学习阶段400多集视频，带领大家进入Python的天地，打好一个坚实的Python基础，免费分享给大家

获取方式： 评论区评论“ 学习 ”，即可免费获取！私信小编也可获取

1.变量及运算符

2.分支及循环

3.循环及字符串

4.列表及嵌套列表

5.字典及项目练习

6.函数的使用

7.递归及文件处理

8.文件

9.面向对象

10.设计模式及异常处理

11.异常及模块的使用

12.坦克大战

13.核心编程

14.高级特性

15.内存管理

1.并发编程

2.网络通信

3.MySQL

4.Linux

5.正则表达式

1.html基本标签

2.css样式

3.css浮动和定位

4.js基础

5.js对象和函数

6.js定时器和DOM

7.js事件响应

8.使用jquery

9jquery动画特效

10.Ajax异步网络请求

1.Django-Git版本控制

2.Django-博客项目

3.Django-商城项目

4.Django模型层

5.Django入门

6.Django模板层

7.Django视图层

8.Tornado框架

1.Python爬虫基础

2.Ppython爬虫Scrapy框架

希望大家一起学习相互进步

获取方式： 评论区评论“ 学习 ”，即可免费获取！私信小编也可获取

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。

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。

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。

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。