提升Python運行性能的習慣有哪些

本篇內容主要講解“提升Python運行性能的習慣有哪些”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“提升Python運行性能的習慣有哪些”吧!

1、使用局部變量

使用局部變量替換模塊名字空間中的變量，例如 ls = os.linesep。一方面可以提高程序性能，局部變量查找速度更快；另一方面可用簡短標識符替代冗長的模塊變量，提高可讀性。

2、減少函數調用次數

對象類型判斷時，采用isinstance()最優，采用對象類型身份（id()）次之，采用對象值（type()）比較最次。
#判斷變量num是否為整數類型

type(num) == type(0) #調用三次函數
type(num) is type(0) #身份比較
isinstance(num,(int)) #調用一次函數

不要在重復操作的內容作為參數放到循環條件中，避免重復運算。

 	#每次循環都需要重新執行len(a)
while i < len(a):
   statement
#len(a)僅執行一次
m = len(a)
while i < m:
   statement

如需使用模塊X中的某個函數或對象Y，應直接使用from X import Y，而不是import X; X.Y。這樣在使用Y時，可以減少一次查詢（解釋器不必首先查找到X模塊，然后在X模塊的字典中查找Y）。

3、采用映射替代條件查找

映射（比如dict等）的搜索速度遠快于條件語句（如if等）。Python中也沒有select-case語句。

 	#if查找
if a == 1:
   b = 10
elif a == 2:
   b = 20
...
#dict查找，性能更優
d = {1:10,2:20,...}
b = d[a]

4、直接迭代序列元素

對序列（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、采用生成器表達式替代列表解析

列表解析（list comprehension），會產生整個列表，對大量數據的迭代會產生負面效應。

而生成器表達式則不會，其不會真正創建列表，而是返回一個生成器，在需要時產生一個值（延遲計算），對內存更加友好。

#計算文件f的非空字符個數
#生成器表達式
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、先編譯后調用

使用eval()、exec()函數執行代碼時，最好調用代碼對象（提前通過compile()函數編譯成字節碼），而不是直接調用str，可以避免多次執行重復編譯過程，提高程序性能。

正則表達式模式匹配也類似，也最好先將正則表達式模式編譯成regex對象（通過re.complie()函數），然后再執行比較和匹配。

7、模塊編程習慣

模塊中的最高級別Python語句（沒有縮進的代碼）會在模塊導入（import）時執行（不論其是否真的必要執行）。因此，應盡量將模塊所有的功能代碼放到函數中，包括主程序相關的功能代碼也可放到main()函數中，主程序本身調用main()函數。

可以在模塊的main()函數中書寫測試代碼。在主程序中，檢測name的值，如果為'main'（表示模塊是被直接執行），則調用main(）函數，進行測試；如果為模塊名字（表示模塊是被調用），則不進行測試。

到此，相信大家對“提升Python運行性能的習慣有哪些”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！