阅读 115

分享5个python提速技巧,速度瞬间提上来了

这篇文章主要给大家分享的是5个python提速技巧,工作或者学习的过程中难免会遇到卡顿问题,下面的提速技巧具有一定的参考价值,需要的小伙伴可以参考一下

目录
  • 1、跳过迭代对象的开头

  • 2、避免数据复制

  • 3、避免变量中间变量

  • 4、循环优化

  • 5、使用numba.jit

1、跳过迭代对象的开头

1
2
3
4
5
6
7
8
9
10
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、避免数据复制

1
2
3
4
5
6
7
8
9
# 不推荐写法,代码耗时: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()

 

1
2
3
4
5
6
# 推荐写法,代码耗时:4.8秒
def main():
    size = 10000
    for _ in range(size):
        value = range(size)
        square_list = [x * x for x in value]  # 避免无意义的复制

3、避免变量中间变量

1
2
3
4
5
6
7
8
9
10
11
# 不推荐写法,代码耗时:0.07秒
def main():
    size = 1000000
    for _ in range(size):
        a = 3
        b = 5
        temp = a
        a = b
        b = temp
  
main()


1
2
3
4
5
6
7
8
9
# 推荐写法,代码耗时:0.06秒
def main():
    size = 1000000
    for _ in range(size):
        a = 3
        b = 5
        a, b = b, a  # 不借助中间变量
  
main()

4、循环优化

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 不推荐写法。代码耗时: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()
1
2
3
4
5
6
7
8
9
10
11
12
13
# 推荐写法。代码耗时:4.3秒
def computeSum(size: int) -> int:
    sum_ = 0
    for i in range(size):  # for 循环代替 while 循环
        sum_ += i
    return sum_
  
def main():
    size = 10000
    for _ in range(size):
        sum_ = computeSum(size)
  
main()

隐式for循环代替显式for循环

1
2
3
4
5
6
7
8
9
10
# 推荐写法。代码耗时:1.7秒
def computeSum(size: int) -> int:
    return sum(range(size))  # 隐式 for 循环代替显式 for 循环
  
def main():
    size = 10000
    for _ in range(size):
        sum = computeSum(size)
  
main()

5、使用numba.jit

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 推荐写法。代码耗时:0.62秒
# numba可以将 Python 函数 JIT 编译为机器码执行,大大提高代码运行速度。
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()

到此这篇关于分享5个python提速技巧,速度瞬间提上来了的文章就介绍到这了

原文链接:https://jiangongfang.blog.csdn.net/article/details/122060897


文章分类
百科问答
版权声明:本站是系统测试站点,无实际运营。本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 XXXXXXo@163.com 举报,一经查实,本站将立刻删除。
相关推荐