建站
咨詢
售后
建站咨詢
新聞中心
本篇文章給大家?guī)砹岁P(guān)于python的相關(guān)知識，其中主要總結(jié)介紹了一些提升Python使用性能的小技巧，包括了使用map進(jìn)行函數(shù)映射、使用set求交集等等，希望對大家有幫助。
龍海網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)！從網(wǎng)頁設(shè)計、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、成都響應(yīng)式網(wǎng)站建設(shè)公司等網(wǎng)站項目制作，到程序開發(fā)，運(yùn)營維護(hù)。創(chuàng)新互聯(lián)于2013年創(chuàng)立到現(xiàn)在10年的時間，我們擁有了豐富的建站經(jīng)驗和運(yùn)維經(jīng)驗，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)。
推薦學(xué)習(xí)：python學(xué)習(xí)教程
關(guān)于 Python 如何精確地測量程序的執(zhí)行時間，這個問題看起來簡單其實很復(fù)雜，因為程序的執(zhí)行時間受到很多因素的影響，例如操作系統(tǒng)、Python 版本以及相關(guān)硬件（CPU 性能、內(nèi)存讀寫速度）等。在同一臺電腦上運(yùn)行相同版本的語言時，上述因素就是確定的了，但是程序的睡眠時間依然是變化的，且電腦上正在運(yùn)行的其他程序也會對實驗有干擾，因此嚴(yán)格來說這就是《實驗不可重復(fù)》。
我了解到的關(guān)于計時比較有代表性的兩個庫就是time和timeit。
其中，time庫中有time()、perf_counter()以及process_time()三個函數(shù)可用來計時（以秒為單位），加后綴_ns表示以納秒計時（自 Python3.7 始）。在此之前還有clock()函數(shù)，但是在 Python3.3 之后被移除了。上述三者的區(qū)別如下：
- time()精度上相對沒有那么高，而且受系統(tǒng)的影響，適合表示日期時間或者大程序的計時。
- perf_counter()適合小一點的程序測試，會計算sleep()時間。
- process_time()適合小一點的程序測試，不計算sleep()時間。
與time庫相比，timeit 有兩個優(yōu)點：
- timeit 會根據(jù)您的操作系統(tǒng)和 Python 版本選擇最佳計時器。
- timeit 在計時期間會暫時禁用垃圾回收。
timeit.timeit(stmt=‘pass’, setup=‘pass’, timer=, number=1000000, globals=None) 參數(shù)說明：
- stmt=‘pass’：需要計時的語句或者函數(shù)。
- setup=‘pass’：執(zhí)行stmt之前要運(yùn)行的代碼。通常，它用于導(dǎo)入一些模塊或聲明一些必要的變量。
- timer=：計時器函數(shù)，默認(rèn)為time.perf_counter()。
- number=1000000：執(zhí)行計時語句的次數(shù)，默認(rèn)為一百萬次。
- globals=None：指定執(zhí)行代碼的命名空間。
本文所有的計時均采用timeit方法，且采用默認(rèn)的執(zhí)行次數(shù)一百萬次。
1.使用map()進(jìn)行函數(shù)映射
Exp1：將字符串?dāng)?shù)組中的小寫字母轉(zhuǎn)為大寫字母。
測試數(shù)組為 oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。
- 方法一
newlist = []for word in oldlist:
newlist.append(word.upper())
- 方法二
list(map(str.upper, oldlist))
2.使用set()求交集
Exp2：求兩個list的交集。
測試數(shù)組：a = [1,2,3,4,5]，b = [2,4,6,8,10]。
- 方法一
overlaps = []for x in a:
for y in b:
if x == y:
overlaps.append(x)
- 方法二
list(set(a) & set(b))
關(guān)于set()的語法：|、&、-分別表示求并集、交集、差集。
3.使用sort()或sorted()排序
我們可以通過多種方式對序列進(jìn)行排序，但其實自己編寫排序算法的方法有些得不償失。因為內(nèi)置的 sort()或 sorted() 方法已經(jīng)足夠優(yōu)秀了，且利用參數(shù)key可以實現(xiàn)不同的功能，非常靈活。二者的區(qū)別是sort()方法僅被定義在list中，而sorted()是全局方法對所有的可迭代序列都有效。
Exp3：分別使用快排和sort()方法對同一列表排序。
測試數(shù)組：lists = [2,1,4,3,0]。
- 方法一
def quick_sort(lists,i,j):
if i >= j:
return list
pivot = lists[i]
low = i
high = j while i < j:
while i < j and lists[j] >= pivot:
j -= 1
lists[i]=lists[j]
while i < j and lists[i] <=pivot:
i += 1
lists[j]=lists[i]
lists[j] = pivot quick_sort(lists,low,i-1)
quick_sort(lists,i+1,high)
return lists
- 方法二
lists.sort()
順帶一提，sorted()方法耗時 0.1339823999987857s。
可以看出，sort()作為list專屬的排序方法還是很強(qiáng)的，sorted()雖然比前者慢一點，但是勝在它“不挑食”，它對所有的可迭代序列都有效。
擴(kuò)展：如何定義sort()或sorted()方法的key
1.通過lambda定義
#學(xué)生：（姓名，成績，年齡）
students = [('john', 'A', 15),('jane', 'B', 12),('dave', 'B', 10)]students.sort(key = lambda student: student[0]) #根據(jù)姓名排序sorted(students, key = lambda student: student[0])
2.通過operator定義
import operator
students = [('john', 'A', 15),('jane', 'B', 12),('dave', 'B', 10)]students.sort(key=operator.itemgetter(0))sorted(students, key = operator.itemgetter(1, 0)) #先對成績排序，再對姓名排序
3.通過cmp_to_key()定義，最為靈活
import functools
def cmp(a,b):
if a[1] != b[1]:
return -1 if a[1] < b[1] else 1 #先按照成績升序排序
elif a[0] != b[0]:
return -1 if a[0] < b[0] else 1 #成績相同，按照姓名升序排序 else:
return -1 if a[2] > b[2] else 1 #成績姓名都相同，按照年齡降序排序
students = [('john', 'A', 15),('john', 'A', 14),('jane', 'B', 12),('dave', 'B', 10)]sorted(students, key = functools.cmp_to_key(cmp))
4.使用collections.Counter()計數(shù)
Exp4：統(tǒng)計字符串中每個字符出現(xiàn)的次數(shù)。
- 方法一
counts = {}for char in sentence:
counts[char] = counts.get(char, 0) + 1
- 方法二
from collections import CounterCounter(sentence)
5.使用列表推導(dǎo)
列表推導(dǎo)（list comprehension）短小精悍。在小代碼片段中，可能沒有太大的區(qū)別。但是在大型開發(fā)中，它可以節(jié)省一些時間。
Exp5：對列表中的奇數(shù)求平方，偶數(shù)不變。
- 方法一
newlist = []for x in oldlist:
if x % 2 == 1:
newlist.append(x**2)
- 方法二
[x**2 for x in oldlist if x%2 == 1]
6.使用 join() 連接字符串
大多數(shù)人都習(xí)慣使用+來連接字符串。但其實，這種方法非常低效。因為，+操作在每一步中都會創(chuàng)建一個新字符串并復(fù)制舊字符串。更好的方法是用 join() 來連接字符串。關(guān)于字符串的其他操作，也盡量使用內(nèi)置函數(shù)，如isalpha()、isdigit()、startswith()、endswith()等。
Exp6：將字符串列表中的元素連接起來。
- 方法一
sentence = ""for word in oldlist:
sentence += word
- 方法二
"".join(oldlist)
join還有一個非常舒服的點，就是它可以指定連接的分隔符，舉個例子
oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']sentence = "http://".join(oldlist)print(sentence)
7.使用x, y = y, x交換變量
Exp6：交換x，y的值。
- 方法一
temp = x x = y y = temp
- 方法二
x, y = y, x
8.使用while 1取代while True
在不知道確切的循環(huán)次數(shù)時，常規(guī)方法是使用while True進(jìn)行無限循環(huán)，在代碼塊中判斷是否滿足循環(huán)終止條件。雖然這樣做沒有任何問題，但while 1的執(zhí)行速度比while True更快。因為它是一種數(shù)值轉(zhuǎn)換，可以更快地生成輸出。
Exp8：分別用while 1和while True循環(huán) 100 次。
- 方法一
i = 0while True:
i += 1
if i > 100:
break
- 方法二
i = 0while 1:
i += 1
if i > 100:
break
9.使用裝飾器緩存
將文件存儲在高速緩存中有助于快速恢復(fù)功能。Python 支持裝飾器緩存，該緩存在內(nèi)存中維護(hù)特定類型的緩存，以實現(xiàn)最佳軟件驅(qū)動速度。我們使用lru_cache裝飾器來為斐波那契函數(shù)提供緩存功能，在使用fibonacci遞歸函數(shù)時，存在大量的重復(fù)計算，例如fibonacci(1)、fibonacci(2)就運(yùn)行了很多次。而在使用了lru_cache后，所有的重復(fù)計算只會執(zhí)行一次，從而大大提高程序的執(zhí)行效率。
Exp9：求斐波那契數(shù)列。
- 方法一
def fibonacci(n):
if n == 0:
return 0
elif n == 1:
return 1
return fibonacci(n - 1) + fibonacci(n-2)
- 方法二
import functools
@functools.lru_cache(maxsize=128)def fibonacci(n):
if n == 0:
return 0
elif n == 1:
return 1
return fibonacci(n - 1) + fibonacci(n-2)
注意事項：
- 緩存是按照參數(shù)作為鍵，也就說在參數(shù)不變時，被lru_cache裝飾的函數(shù)只會執(zhí)行一次。
- 所有參數(shù)必須可哈希，例如list不能作為被lru_cache裝飾的函數(shù)的參數(shù)。
import functools
@functools.lru_cache(maxsize=100)def demo(a, b):
print('我被執(zhí)行了')
return a + bif __name__ == '__main__':
demo(1, 2)
demo(1, 2)
from functools import lru_cache
@lru_cache(maxsize=100)def list_sum(nums: list):
return sum(nums)if __name__ == '__main__':
list_sum([1, 2, 3, 4, 5])
functools.lru_cache(maxsize=128, typed=False)的兩個可選參數(shù)：
-
maxsize代表緩存的內(nèi)存占用值，超過這個值之后，就的結(jié)果就會被釋放，然后將新的計算結(jié)果進(jìn)行緩存，其值應(yīng)當(dāng)設(shè)為 2 的冪。
-
typed若為True，則會把不同的參數(shù)類型得到的結(jié)果分開保存。
10.減少點運(yùn)算符(.)的使用
點運(yùn)算符(.)用來訪問對象的屬性或方法，這會引起程序使用__getattribute__()和__getattr__()進(jìn)行字典查找，從而帶來不必要的開銷。尤其注意，在循環(huán)當(dāng)中，更要減少點運(yùn)算符的使用，應(yīng)該將它移到循環(huán)外處理。
這啟發(fā)我們應(yīng)該盡量使用from … import …這種方式來導(dǎo)包，而不是在需要使用某方法時通過點運(yùn)算符來獲取。其實不光是點運(yùn)算符，其他很多不必要的運(yùn)算我們都盡量移到循環(huán)外處理。
Exp10：將字符串?dāng)?shù)組中的小寫字母轉(zhuǎn)為大寫字母。
- 方法一
newlist = []for word in oldlist:
newlist.append(str.upper(word))
- 方法二
newlist = []upper = str.upperfor word in oldlist:
newlist.append(upper(word))
11.使用for循環(huán)取代while循環(huán)
當(dāng)我們知道具體要循環(huán)多少次時，使用for循環(huán)比使用while循環(huán)更好。
Exp12：使用for和while分別循環(huán) 100 次。
- 方法一
i = 0while i < 100:
i += 1
- 方法二
for _ in range(100):
pass
12.使用Numba.jit加速計算
Numba 可以將 Python 函數(shù)編譯碼為機(jī)器碼執(zhí)行，大大提高代碼執(zhí)行速度，甚至可以接近 C 或 FORTRAN 的速度。它能和 Numpy 配合使用，在 for 循環(huán)中或存在大量計算時能顯著地提高執(zhí)行效率。
Exp12：求從 1 加到 100 的和。
- 方法一
def my_sum(n):
x = 0
for i in range(1, n+1):
x += i return x
- 方法二
from numba import jit
@jit(nopython=True) def numba_sum(n):
x = 0
for i in range(1, n+1):
x += i return x
13.使用Numpy矢量化數(shù)組
矢量化是 NumPy 中的一種強(qiáng)大功能，可以將操作表達(dá)為在整個數(shù)組上而不是在各個元素上發(fā)生。這種用數(shù)組表達(dá)式替換顯式循環(huán)的做法通常稱為矢量化。
在 Python 中循環(huán)數(shù)組或任何數(shù)據(jù)結(jié)構(gòu)時，會涉及很多開銷。NumPy 中的向量化操作將內(nèi)部循環(huán)委托給高度優(yōu)化的 C 和 Fortran 函數(shù)，從而使 Python 代碼更加快速。
Exp13：兩個長度相同的序列逐元素相乘。
- 方法一
[a[i]*b[i] for i in range(len(a))]
- 方法二
import numpy as np a = np.array([1,2,3,4,5])b = np.array([2,4,6,8,10])a*b
14.使用in檢查列表成員
若要檢查列表中是否包含某成員，通常使用in關(guān)鍵字更快。
Exp14：檢查列表中是否包含某成員。
- 方法一
def check_member(target, lists):
for member in lists:
if member == target:
return True return False
- 方法二
if target in lists:
pass
15.使用itertools庫迭代
itertools是用來操作迭代器的一個模塊，其函數(shù)主要可以分為三類：無限迭代器、有限迭代器、組合迭代器。
Exp15：返回列表的全排列。
- 方法一
def permutations(lst):
if len(lst) == 1 or len(lst) == 0:
return [lst]
result = []
for i in lst:
temp_lst = lst[:]
temp_lst.remove(i)
temp = permutations(temp_lst)
for j in temp:
j.insert(0, i)
result.append(j)
return result
- 方法二
import itertools itertools.permutations(["Alice", "Bob", "Carol"])
結(jié)語
根據(jù)上面的測試數(shù)據(jù)，我繪制了下面這張實驗結(jié)果圖，可以更加直觀的看出不同方法帶來的性能差異。
從圖中可以看出，大部分的技巧所帶來的性能增幅還是比較可觀的，但也有少部分技巧的增幅較?。ɡ缇幪?、7、8，其中，第 8 條的兩種方法幾乎沒有差異）。
總結(jié)下來，我覺得其實就是下面這兩條原則：
1.盡量使用內(nèi)置庫函數(shù)
內(nèi)置庫函數(shù)由專業(yè)的開發(fā)人員編寫并經(jīng)過了多次測試，很多庫函數(shù)的底層是用C語言開發(fā)的。因此，這些函數(shù)總體來說是非常高效的（比如sort()、join()等），自己編寫的方法很難超越它們，還不如省省功夫，不要重復(fù)造輪子了，何況你造的輪子可能更差。所以，如果函數(shù)庫中已經(jīng)存在該函數(shù)，就直接拿來用。
2.盡量使用優(yōu)秀的第三方庫
有很多優(yōu)秀的第三方庫，它們的底層可能是用 C 和 Fortran 來實現(xiàn)的，像這樣的庫用起來絕對不會吃虧，比如前文提到的 Numpy 和 Numba，它們帶來的提升都是非常驚人的。類似這樣的庫還有很多，比如Cython、PyPy等，這里我只是拋磚引玉。
其實加快 Python 代碼執(zhí)行速度的方法還有很多，比如避免使用全局變量、使用最新版本、使用合適的數(shù)據(jù)結(jié)構(gòu)、利用if條件的惰性等等，我這里就不一一例舉了。這些方法都需要我們親身去實踐才會有深刻的感受和理解，但最根本的方法就是保持我們對編程的熱情和對最佳實踐的追求，這才是我們能不斷突破自我、勇攀高峰的不竭動力源泉！
當(dāng)前名稱：Python使用絲般順滑的經(jīng)典技巧總結(jié)
文章起源：http://www.dlmjj.cn/article/coisdsi.html
