官方原文，代码均可运行 Python 是世界上使用最广泛的编程语言之一。它是一种解释型高级通用编程语言，具有广泛的用途，几乎可以将其用于所有事物。其以简单的语法、优雅的代码和丰富的第三方库而闻名。python除了有很多优点外，但在速度上还有一个非常大的缺点。 虽然Python代码运行缓慢，但可以通过下面分享的5个小技巧提升Python运行速度！ 首先，定义一个计时函数timeshow，通过简单的装饰，可以打印指定函数的运行时间。 这个函数在下面的例子中会被多次使用。 1. 选择合适的数据结构 使用正确的数据结构对python脚本的运行时间有显着影响。Python 有四种内置的数据结构： 列表: List 元组: Tuple 集合: Set 字典: Dictionary 但是，大多数开发人员在所有情况下都使用列表。这是不正确的做法，应该根据任务使用合适数据结构。 运行下面的代码，可以看到元组执行简单检索操作的速度比列表快。其中dis模块反汇编了一个函数的字节码，这有利于查看列表和元组之间的区别。 运行输出: -----:使用列表的机器码:------ 3 0 LOAD_CONST 1 (1) 2 LOAD_CONST 2 (2) 4 LOAD_CONST 3 (3) 6 LOAD_CONST 4 (4) 8 LOAD_CONST 5 (5) 10 LOAD_CONST 6 (6) 12 LOAD_CONST 7 (7) 14 LOAD_CONST 8 (8) 16 LOAD_CONST 9 (9) 18 LOAD_CONST 10 (10) 20 BUILD_LIST 10 22 STORE_FAST 0 (data) 4 24 LOAD_FAST 0 (data) 26 LOAD_CONST 5 (5) 28 BINARY_SUBSCR 30 STORE_FAST 1 (x) 5 32 LOAD_FAST 1 (x) 34 RETURN_VALUE -----:使用元组的机器码:------ 7 0 LOAD_CONST 1 ((1, 2, 3, 4, 5, 6, 7, 8, 9, 10)) 2 STORE_FAST 0 (data) 8 4 LOAD_FAST 0 (data) 6 LOAD_CONST 2 (5) 8 BINARY_SUBSCR 10 STORE_FAST 1 (x) 9 12 LOAD_FAST 1 (x) 14 RETURN_VALUE 看下列表的机器码，冗长而多余！ 2. 善用强大的内置函数和第三方库 如果你正在使用python并且仍在自己编写一些通用函数(比如加法、减法)，那么是在侮辱python。 Python有大量的库和内置函数来帮助你不用编写这些函数。 如果研究下，那么你会惊奇地发现几乎90%的问题已经有第三方包或内置函数来解决。 可以通过访问官方文档查看所有内置函数。你也可以在wiki python上找到更多使用内置函数的场景。 比如，现在我们想合并列表中的所有单词为一个句子，比较法自己编写和调用库函数的区别: 运行输出: f1 : 0.000227 sec f2 : 0.000031 sec 3. 少用循环 用 列表推导式 代替循环 用 迭代器 代替循环 用 filter() 代替循环 减少循环次数，精确控制，不浪费CPU 输出为: f_loop : 0.083017 sec f_list : 0.056110 sec f_iter : 0.000015 sec f_filter : 0.000003 sec f_mind : 0.000002 sec 谁快谁慢，一眼便知！ filter 配合lambda大法就是屌！！！ 4. 避免循环重复计算 如果你有一个迭代器，必须用它的元素做一些耗时计算，比如匹配正则表达式。你应该将正则表达式模式定义在循环之外，因为最好只编译一次模式，而不是在循环的每次迭代中一次又一次地编译它。 只要有可能，就应该尝试在循环外进行尽可能多的运算，比如将函数计算分配给局部变量，然后在函数中使用它。 输出为: f_more : 0.001068 sec f_less : 0.000365 sec 5. 少用内存、少用全局变量 内存占用是指程序运行时使用的内存量。为了让Python代码运行得更快，应该减少程序的内存使用量，即尽量减少变量或对象的数量。 Python 访问局部变量比全局变量更有效。在有必要之前，应该始终尝试忽略声明全局变量。一个在程序中定义过的全局变量会一直存在，直到整个程序编译完成，所以它一直占据着内存空间。另一方面，局部变量访问更快，且函数完成后即可回收。因此，使用多个局部变量比使用全局变量会更好。 总结 本篇文章就到这里了，希望能够给你带来帮助，也希望您能够多多关注脚本之家的更多内容!