加快运行Python速度的五种技巧

前言

我们都知道就速度而言，Python是比Java或C慢得多的语言。Python是动态类型化的语言，这意味着它的变量类型未预定义。动态类型是一把双刃剑，它成就了Python成为一种优雅的语言，同时也让Python运行速度减慢。让我们看看一些可能对您的整体代码性能产生重大影响的小技巧。

1. 了解你的内置函数

这一技巧有助于节省您的时间和时间与您的代码。当我开始学习Python的时候，我以前从不使用内置函数，所以为了完成我的绝对值代码，我会运行一个for循环而不是使用abs（）。为了把一个字符转换成大写字母，我甚至会把它转换成与大写字母等价的ASCII字符，因为我拒绝学习字符串函数。

如果你对Python是认真的，那么学习所有的Python内置函数是值得的，因为它不仅使你的代码更整洁、更可重用，你还可以通过简单地使用Python提供给你的东西来避免代码中人为的低效率。

2. A，B=B，A

我确信您以前使用过“temp”作为占位符变量来交换两个元素。我能告诉你的是，这个方法只在课堂上使用，不应该在编程时使用。

相反，可以通过将变量写成a，b = b，a 来进行简单的变量交换。这将在一行中切换所有变量，并防止解释器超过三个（temp， a，b交换方法）。

这是一个小小的修复，可以节省几分之一秒的时间——但从长远来看，这些时间会累积起来。

3. 只在函数内导入

作为一个初学者，我们都喜欢大量导入我们认为在代码顶部需要的所有东西。我记得有一次我导入了NumPy， Pandas， Scipy， Warnings， Math， Math， Os等等，当我完成我的代码时，我只使用了三个库。这会耗尽你电脑的内存。

相反，在相应的函数中导入所需的库（如果多个函数需要相同的库，则需要多次导入）。这意味着解释器只会在你调用函数时完成导入，而不是在代码的开头。现在Python库被缓存了，所以当你调用不同的函数时，它不会在每次导入时占用额外的时间。然而，当您最终导入顶部的所有内容，甚至不使用代码中的一些函数时，它确实会占用更多的时间。

4. 使用Numba

这是一个小众技巧，主要帮助使用NumPy或科学编程的人。Numba是一个Python JIT编译器，它对函数应用装饰器，将一些函数转换为超快的字节代码（几乎与C一样快）。Numba开始因其简单和庞大的功能而出名。

Numba目前也支持其他功能，但是，我认为它目前主要是为科学Python开发人员提供的。

5. 从集合中检查，而不是从列表中

这是Python优化书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，将列表设置为set（set（list）），然后执行检查“element in set（list）”。这个小小的改变将提高您的运行时效率，因为Python使用了可调整大小的哈希表，将平均时间复杂度提高到了O（1）。

然而，遍历集合并不比遍历列表快。
责编AJX