Python 优化提速的 8 个小技巧

<div id="js_content">
△点击上方“Python猫”关注，回复“1”领取电子书
<img src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-a33b3bf07177730b48421050c069e837.png">
<img src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-79f68805042e5016203bcb746e222c0b">
<img src="https://beijingoptbbs.oss-cn-beijing.aliyuncs.com/cs/5606289-2278e85db89b7acf89f3868a88ce1445">
文末赠书
 作者：张皓 
 来源：https://zhuanlan.zhihu.com/p/143052860
Python 是一种脚本语言，相比 C/C++ 这样的编译语言，在效率和性能方面存在一些不足。但是，有很多时候，Python 的效率并没有想象中的那么夸张。本文对一些 Python 代码加速运行的技巧进行整理。
<h2>0. 代码优化原则</h2>
本文会介绍不少的 Python 代码加速运行的技巧。在深入代码优化细节之前，需要了解一些代码优化基本原则。
第一个基本原则是不要过早优化。很多人一开始写代码就奔着性能优化的目标，“让正确的程序更快要比让快速的程序正确容易得多”。因此，优化的前提是代码能正常工作。过早地进行优化可能会忽视对总体性能指标的把握，在得到全局结果前不要主次颠倒。
第二个基本原则是权衡优化的代价。优化是有代价的，想解决所有性能的问题是几乎不可能的。通常面临的选择是时间换空间或空间换时间。另外，开发代价也需要考虑。
第三个原则是不要优化那些无关紧要的部分。如果对代码的每一部分都去优化，这些修改会使代码难以阅读和理解。如果你的代码运行速度很慢，首先要找到代码运行慢的位置，通常是内部循环，专注于运行慢的地方进行优化。在其他地方，一点时间上的损失没有什么影响。
<h2>1. 避免全局变量</h2>
<pre class="blockcode"><code class="language-go"># 不推荐写法。代码耗时：26.8秒
import math

size = 10000
for x in range(size):
for y in range(size):
 z = math.sqrt(x) + math.sqrt(y)
</code></pre>
许多程序员刚开始会用 Python 语言写一些简单的脚本，当编写脚本时，通常习惯了直接将其写为全局变量，例如上面的代码。但是，由于全局变量和局部变量实现方式不同，定义在全局范围内的代码运行速度会比定义在函数中的慢不少。通过将脚本语句放入到函数中，通常可带来 15% - 30% 的速度提升。
<pre class="blockcode"><code class="language-go"># 推荐写法。代码耗时：20.6秒
import math

def main(): # 定义到函数中，以减少全部变量使用
size = 10000
for x in range(size):
 for y in range(size):
 z = math.sqrt(x) + math.sqrt(y)

main()
</code></pre>
<h2>2. 避免.</h2>
2.1 避免模块和函数属性访问
<pre class="blockcode"><code class="language-go"># 不推荐写法。代码耗时：14.5秒
import math

def computeSqrt(size: int):
result = []
for i in range(size):
 result.append(math.sqrt(i))
return result

def main():
size = 10000
for _ in range(size):
 result = computeSqrt(size)

main()
</code></pre>
每次使用<code>.</code>（属性访问操作符时）会触发特定的方法，如<code>__getattribute__()</code>和<code>__getattr__()</code>，这些方法会进行字典操作，因此会带来额外的时间开销。通过<code>from import</code>语句，可以消除属性访问。
<pre class="blockcode"><code class="language-go"># 第一次优化写法。代码耗时：10.9秒
from math import sqrt

def computeSqrt(size: int):
result = []
for i in range(size):
 result.append(sqrt(i)) # 避免math.sqrt的使用
return result

def main():
size = 10000
for _ in range(size):
 result = computeSqrt(size)

main()
</code></pre>
在第 1 节中我们讲到，局部变量的查找会比全局变量更快，因此对于频繁访问的变量<code>sqrt</code>，通过将其改为局部变量可以加速运行。
<pre class="blockcode"><code class="language-go"># 第二次优化写法。代码耗时：9.9秒
import math

def computeSqrt(size: int):
result = []
sqrt = math.sqrt # 赋值给局部变量
for i in range(size):
 result.append(sqrt(i)) # 避免math.sqrt的使用
return result

def main():
size = 10000
for _ in range(size):
 result = computeSqrt(size)

main()
</code></pre>
除了<code>math.sqrt</code>外，<code>computeSqrt</code>函数中还有<code>.</code>的存在，那就是调用<code>list</code>的<code>append</code>方法。通过将该方法赋值给一个局部变量，可以彻底消除<code>computeSqrt</code>函数中<code>for</code>循环内部的<code>.</code