分享5個python提速技巧,速度瞬間提上來瞭

1、跳過迭代對象的開頭

string_from_file = """  
// Wooden: ...  
// LaoLi: ...  
//  
// Whole: ...  
Wooden LaoLi... 
 """ 
import itertools  
for line in itertools.dropwhile(lambda line: line.startswith("//"), string_from_file.split(" ")):
    print(line) 

2、避免數據復制

# 不推薦寫法,代碼耗時:6.5秒
def main():
    size = 10000
    for _ in range(size):
        value = range(size)
        value_list = [x for x in value]
        square_list = [x * x for x in value_list]
 
main()

 

# 推薦寫法,代碼耗時:4.8秒
def main():
    size = 10000
    for _ in range(size):
        value = range(size)
        square_list = [x * x for x in value]  # 避免無意義的復制

3、避免變量中間變量

# 不推薦寫法,代碼耗時:0.07秒
def main():
    size = 1000000
    for _ in range(size):
        a = 3
        b = 5
        temp = a
        a = b
        b = temp
 
main()
# 推薦寫法,代碼耗時:0.06秒
def main():
    size = 1000000
    for _ in range(size):
        a = 3
        b = 5
        a, b = b, a  # 不借助中間變量
 
main()

4、循環優化

# 不推薦寫法。代碼耗時:6.7秒
def computeSum(size: int) -> int:
    sum_ = 0
    i = 0
    while i < size:
        sum_ += i
        i += 1
    return sum_
 
def main():
    size = 10000
    for _ in range(size):
        sum_ = computeSum(size)
 
main()
# 推薦寫法。代碼耗時:4.3秒
def computeSum(size: int) -> int:
    sum_ = 0
    for i in range(size):  # for 循環代替 while 循環
        sum_ += i
    return sum_
 
def main():
    size = 10000
    for _ in range(size):
        sum_ = computeSum(size)
 
main()

隱式for循環代替顯式for循環

# 推薦寫法。代碼耗時:1.7秒
def computeSum(size: int) -> int:
    return sum(range(size))  # 隱式 for 循環代替顯式 for 循環
 
def main():
    size = 10000
    for _ in range(size):
        sum = computeSum(size)
 
main()

5、使用numba.jit

# 推薦寫法。代碼耗時:0.62秒
# numba可以將 Python 函數 JIT 編譯為機器碼執行,大大提高代碼運行速度。
import numba
 
@numba.jit
def computeSum(size: float) -> int:
    sum = 0
    for i in range(size):
        sum += i
    return sum
 
def main():
    size = 10000
    for _ in range(size):
        sum = computeSum(size)
 
main()

到此這篇關於分享5個python提速技巧,速度瞬間提上來瞭的文章就介紹到這瞭,更多相關python提速技巧內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: