建站
咨詢
售后
建站咨詢
新聞中心
優(yōu)化python的效率的方法：1、優(yōu)化算法時間復雜度；2、減少冗余數據；3、合理使用copy與deepcopy；4、使用dict或set查找元素；5、合理使用生成器（generator）和yield。
優(yōu)化方法：
（推薦教程：Python入門教程）
1、優(yōu)化算法時間復雜度
算法的時間復雜度對程序的執(zhí)行效率影響，在Python中可以通過選擇合適的數據結構來優(yōu)化時間復雜度，如list和set查找某一個元素的時間復雜度分別是O(n)和O(1)。
2、減少冗余數據
如用上三角或下三角的方式去保存一個大的對稱矩陣。在0元素占大多數的矩陣里使用稀疏矩陣表示。
3、合理使用copy與deepcopy
對于dict和list等數據結構的對象，直接賦值使用的是引用的方式。而有些情況下需要復制整個對象，這時可以使用copy包里的copy和deepcopy，這兩個函數的不同之處在于后者是遞歸復制的。效率也不一樣：（以下程序在ipython中運行）
import copy a = range(100000) %timeit -n 10 copy.copy(a) # 運行10次 copy.copy(a) %timeit -n 10 copy.deepcopy(a) 10 loops, best of 3: 1.55 ms per loop 10 loops, best of 3: 151 ms per loop
timeit后面的-n表示運行的次數，后兩行對應的是兩個timeit的輸出，下同。由此可見后者慢一個數量級。
4、使用dict或set查找元素
python dict和set都是使用hash表來實現(類似c++11標準庫中unordered_map)，查找元素的時間復雜度是O(1)
a = range(1000) s = set(a) d = dict((i,1) for i in a) %timeit -n 10000 100 in d %timeit -n 10000 100 in s 10000 loops, best of 3: 43.5 ns per loop 10000 loops, best of 3: 49.6 ns per loop
dict的效率略高(占用的空間也多一些)。
5、合理使用生成器（generator）和yield
%timeit -n 100 a = (i for i in range(100000)) %timeit -n 100 b = [i for i in range(100000)] 100 loops, best of 3: 1.54 ms per loop 100 loops, best of 3: 4.56 ms per loop
使用()得到的是一個generator對象，所需要的內存空間與列表的大小無關，所以效率會高一些。在具體應用上，比如set(i for i in range(100000))會比set([i for i in range(100000)])快。
但是對于需要循環(huán)遍歷的情況：
%timeit -n 10 for x in (i for i in range(100000)): pass %timeit -n 10 for x in [i for i in range(100000)]: pass 10 loops, best of 3: 6.51 ms per loop 10 loops, best of 3: 5.54 ms per loop
后者的效率反而更高，但是如果循環(huán)里有break,用generator的好處是顯而易見的。yield也是用于創(chuàng)建generator：
def yield_func(ls): for i in ls: yield i+1 def not_yield_func(ls): return [i+1 for i in ls] ls = range(1000000) %timeit -n 10 for i in yield_func(ls):pass %timeit -n 10 for i in not_yield_func(ls):pass 10 loops, best of 3: 63.8 ms per loop 10 loops, best of 3: 62.9 ms per loop
對于內存不是非常大的list，可以直接返回一個list，但是可讀性yield更佳(人個喜好)。
python2.x內置generator功能的有xrange函數、itertools包等。
文章名稱：創(chuàng)新互聯Python教程：如何優(yōu)化python的效率
轉載注明：http://www.dlmjj.cn/article/djepsch.html
