提升Python程序性能的7个习惯


						掌握一些技巧，可尽量提高Python程序性能，也可以避免不必要的资源浪费。

1、使用局部变量

尽量使用局部变量代替全局变量：便于维护，提高性能并节省内存。

使用局部变量替换模块名字空间中的变量，例如 ls = os.linesep。一方面可以提高程序性能，局部变量查找速度更快；另一方面可用简短标识符替代冗长的模块变量，提高可读性。

2、减少函数调用次数

对象类型判断时，采用isinstance()最优，采用对象类型身份（id()）次之，采用对象值（type()）比较最次。

判断变量num是否为整数类型







type(num) == type(

0

) 

#调用三次函数

type(num) 

is

 type(

0

) 

#身份比较

isinstance(num,(

int

)) 

#调用一次函数



不要在重复操作的内容作为参数放到循环条件中，避免重复运算。





#每次循环都需要重新执行len(a)

while

 i < len(a):

 statement

#len(a)仅执行一次

m = len(a)

while

 i < m:

 statement



如需使用模块X中的某个函数或对象Y，应直接使用from X import Y，而不是import X; X.Y。这样在使用Y时，可以减少一次查询（解释器不必首先查找到X模块，然后在X模块的字典中查找Y）。

3、采用映射替代条件查找

映射（比如dict等）的搜索速度远快于条件语句（如if等）。Python中也没有select-case语句。





#if查找

if

 a == 

1

:

 b = 

10

elif

 a == 

2

:

 b = 

20

...

#dict查找，性能更优

d = {

1

:

10

,

2

:

20

,...}

b = d[a]



4、直接迭代序列元素

对序列（str、list、tuple等），直接迭代序列元素，比迭代元素的索引速度要更快。





a = [

1

,

2

,

3

]

#迭代元素

for

 item 

in

 a:

print

(item)

#迭代索引

for

 i 

in

 range(len(a)):

print

(a[i])



5、采用生成器表达式替代列表解析

列表解析（list comprehension），会产生整个列表，对大量数据的迭代会产生负面效应。

而生成器表达式则不会，其不会真正创建列表，而是返回一个生成器，在需要时产生一个值（延迟计算），对内存更加友好。





#计算文件f的非空字符个数

#生成器表达式

l = sum([len(word) 

for

 line 

in

 f 

for

 word 

in

 line.split()])

#列表解析

l = sum(len(word) 

for

 line 

in

 f 

for

 word 

in

 line.split())



6、先编译后调用

使用eval()、exec()函数执行代码时，最好调用代码对象（提前通过compile()函数编译成字节码），而不是直接调用str，可以避免多次执行重复编译过程，提高程序性能。

正则表达式模式匹配也类似，也最好先将正则表达式模式编译成regex对象（通过re.complie()函数），然后再执行比较和匹配。

7、模块编程习惯

模块中的最高级别Python语句（没有缩进的代码）会在模块导入（import）时执行（不论其是否真的必要执行）。因此，应尽量将模块所有的功能代码放到函数中，包括主程序相关的功能代码也可放到main()函数中，主程序本身调用main()函数。

可以在模块的main()函数中书写测试代码。在主程序中，检测name的值，如果为'main'（表示模块是被直接执行），则调用main(）函数，进行测试；如果为模块名字（表示模块是被调用），则不进行测试。



总结

以上所述是小编给大家介绍的提升Python程序性能的7个习惯，希望对大家有所帮助，如果大家有任何疑问欢迎给我留言，小编会及时回复大家的！