前言

我們都知道就速度而言，Python是比Java或C慢得多的語言。Python是動態(tài)類型化的語言，這意味著它的變量類型未預(yù)定義。動態(tài)類型是一把雙刃劍，它成就了Python成為一種優(yōu)雅的語言，同時也讓Python運行速度減慢。讓我們看看一些可能對您的整體代碼性能產(chǎn)生重大影響的小技巧。

1. 了解你的內(nèi)置函數(shù)

這一技巧有助于節(jié)省您的時間和時間與您的代碼。當我開始學(xué)習(xí)Python的時候，我以前從不使用內(nèi)置函數(shù)，所以為了完成我的絕對值代碼，我會運行一個for循環(huán)而不是使用abs（）。為了把一個字符轉(zhuǎn)換成大寫字母，我甚至?xí)阉D(zhuǎn)換成與大寫字母等價的ASCII字符，因為我拒絕學(xué)習(xí)字符串函數(shù)。

如果你對Python是認真的，那么學(xué)習(xí)所有的Python內(nèi)置函數(shù)是值得的，因為它不僅使你的代碼更整潔、更可重用，你還可以通過簡單地使用Python提供給你的東西來避免代碼中人為的低效率。

2. A，B=B，A

我確信您以前使用過“temp”作為占位符變量來交換兩個元素。我能告訴你的是，這個方法只在課堂上使用，不應(yīng)該在編程時使用。

相反，可以通過將變量寫成a，b = b，a 來進行簡單的變量交換。這將在一行中切換所有變量，并防止解釋器超過三個（temp， a，b交換方法）。

這是一個小小的修復(fù)，可以節(jié)省幾分之一秒的時間——但從長遠來看，這些時間會累積起來。

3. 只在函數(shù)內(nèi)導(dǎo)入

作為一個初學(xué)者，我們都喜歡大量導(dǎo)入我們認為在代碼頂部需要的所有東西。我記得有一次我導(dǎo)入了NumPy， Pandas， Scipy， Warnings， Math， Math， Os等等，當我完成我的代碼時，我只使用了三個庫。這會耗盡你電腦的內(nèi)存。

相反，在相應(yīng)的函數(shù)中導(dǎo)入所需的庫（如果多個函數(shù)需要相同的庫，則需要多次導(dǎo)入）。這意味著解釋器只會在你調(diào)用函數(shù)時完成導(dǎo)入，而不是在代碼的開頭?，F(xiàn)在Python庫被緩存了，所以當你調(diào)用不同的函數(shù)時，它不會在每次導(dǎo)入時占用額外的時間。然而，當您最終導(dǎo)入頂部的所有內(nèi)容，甚至不使用代碼中的一些函數(shù)時，它確實會占用更多的時間。

4. 使用Numba

這是一個小眾技巧，主要幫助使用NumPy或科學(xué)編程的人。Numba是一個Python JIT編譯器，它對函數(shù)應(yīng)用裝飾器，將一些函數(shù)轉(zhuǎn)換為超快的字節(jié)代碼（幾乎與C一樣快）。Numba開始因其簡單和龐大的功能而出名。

Numba目前也支持其他功能，但是，我認為它目前主要是為科學(xué)Python開發(fā)人員提供的。

5. 從集合中檢查，而不是從列表中

這是Python優(yōu)化書中最古老的技巧之一。如果存在元素，不要在列表中搜索。相反，將列表設(shè)置為set（set（list）），然后執(zhí)行檢查“element in set（list）”。這個小小的改變將提高您的運行時效率，因為Python使用了可調(diào)整大小的哈希表，將平均時間復(fù)雜度提高到了O（1）。

然而，遍歷集合并不比遍歷列表快。
責編AJX