Python 是一種腳本語言，相比 C/C++ 這樣的編譯語言，在效率和性能方面存在一些不足，但是可以通過代碼調整來提高代碼的執行效率。本文整理一些代碼優化技巧。

代碼優化基本原則代碼正常運行后優化。

很多人一開始寫代碼就奔著性能優化的目標，“讓正確的程序更快要比讓快速的程序正確容易得多”，因此，優化的前提是代碼能正常工作。過早地進行優化可能會忽視對總體性能指標的把握，在得到全局結果前不要主次顛倒。

權衡優化的代價。

優化是有代價的，想解決所有性能的問題是幾乎不可能的。通常面臨的選擇是時間換空間或空間換時間。另外，開發代價也需要考慮。

優化關鍵耗時部分。

如果對代碼的每一部分都去優化，這些修改會使代碼難以閱讀和理解。如果你的代碼運行速度很慢，首先要找到代碼運行慢的位置，通常是內部循環，專注于運行慢的地方進行優化。在其他地方，一點時間上的損失沒有什么影響。

優化技巧

避免全局變量

在函數中編寫代碼而不要將其寫為全局變量。 由于全局變量和局部變量實現方式不同，定義在全局范圍內的代碼運行速度會比定義在函數中的慢不少。通過將腳本語句放入到函數中，通常可帶來 15% - 30% 的速度提升。

# 不推薦寫法

import math

size = 10000

for x in range(size):

for y in range(size):

z = math.sqrt(x) + math.sqrt(y)

# 推薦寫法

import math

def main(): # 定義到函數中，以減少全部變量使用

size = 10000

for x in range(size):

for y in range(size):

z = math.sqrt(x) + math.sqrt(y)

main()

避免 .

避免模塊和函數屬性訪問

每次使用.（屬性訪問操作符時）會觸發特定的方法，如__getattribute__()和__getattr__()，這些方法會進行字典操作，因此會帶來額外的時間開銷。通過from import語句，可以消除屬性訪問。

# 不推薦寫法

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()

# 推薦寫法，第一次優化 . 模塊屬性訪問

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()

# 推薦寫法，第二次優化局部變量 sqrt，局部變量訪問比全局變量快。

import math

def computeSqrt(size: int):

result = []

sqrt = math.sqrt # 賦值給局部變量

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()

# 推薦寫法， 第三次優化函數屬性 list.append() 方法

import math

def computeSqrt(size: int):

result = []

append = result.append

sqrt = math.sqrt # 賦值給局部變量

for i in range(size):

append(sqrt(i)) # 避免 result.append 和 math.sqrt 的使用

return result

def main():

size = 10000

for _ in range(size):

result = computeSqrt(size)

main()

避免訪問類內屬性

避免 . 的原則也適用于類內屬性，訪問self._value的速度會比訪問一個局部變量更慢一些。通過將需要頻繁訪問的類內屬性賦值給一個局部變量，可以提升代碼運行速度。

# 不推薦寫法

import math

from typing import List

class DemoClass:

def __init__(self, value: int):

self._value = value

def computeSqrt(self, size: int) -> List[float]:

result = []

append = result.append

sqrt = math.sqrt

for _ in range(size):

append(sqrt(self._value))

return result

def main():

size = 10000

for _ in range(size):

demo_instance = DemoClass(size)

result = demo_instance.computeSqrt(size)

main()

# 推薦寫法，將self._value 賦值給局部變量

import math

from typing import List

class DemoClass:

def __init__(self, value: int):

self._value = value

def computeSqrt(self, size: int) -> List[float]:

result = []

append = result.append

sqrt = math.sqrt

value = self._value

for _ in range(size):

append(sqrt(value)) # 避免 self._value 的使用

return result

def main():

size = 10000

for _ in range(size):

demo_instance = DemoClass(size)

demo_instance.computeSqrt(size)

main()

避免不必要的抽象

任何時候當你使用額外的處理層（比如裝飾器、屬性訪問、描述器）去包裝代碼時，都會讓代碼變慢。大部分情況下，需要重新進行審視使用屬性訪問器的定義是否有必要，使用getter/setter函數對屬性進行訪問通常是 C/C++ 程序員遺留下來的代碼風格。如果真的沒有必要，就使用簡單屬性。

# 不推薦寫法。

class DemoClass:

def __init__(self, value: int):

self.value = value

@property

def value(self) -> int:

return self._value

@value.setter

def value(self, x: int):

self._value = x

def main():

size = 1000000

for i in range(size):

demo_instance = DemoClass(size)

value = demo_instance.value

demo_instance.value = i

main()

避免數據復制避免無意義的數據復制

交換值時不使用中間變量

a, b = b, a

字符串拼接使用join而不是+

當使用a + b拼接字符串時，由于 Python 中字符串是不可變對象，其會申請一塊內存空間，將a和b分別復制到該新申請的內存空間中。因此，如果要拼接 n 個字符串，會產生 n-1 個中間結果，每產生一個中間結果都需要申請和復制一次內存，嚴重影響運行效率。而使用join()拼接字符串時，會首先計算出需要申請的總的內存空間，然后一次性地申請所需內存，并將每個字符串元素復制到該內存中去。

# 不推薦寫法

import string

from typing import List

def concatString(string_list: List[str]) -> str:

result = ''

for str_i in string_list:

result += str_i

return result

def main():

string_list = list(string.ascii_letters * 100)

for _ in range(10000):

result = concatString(string_list)

main()

# 推薦寫法

import string

from typing import List

def concatString(string_list: List[str]) -> str:

return ''.join(string_list) # 使用 join 而不是 +

def main():

string_list = list(string.ascii_letters * 100)

for _ in range(10000):

result = concatString(string_list)

main()

利用 if 條件的短路特性

if 條件的短路特性是指對if a and b這樣的語句， 當a為False時將直接返回，不再計算b；對于if a or b這樣的語句，當a為True時將直接返回，不再計算b。因此， 為了節約運行時間，對于or語句，應該將值為True可能性比較高的變量寫在or前，而and應該推后。

循環優化利用for代替while；這是由于Python中for循環比while循環更快；

利用隱式for循環代替顯式for循環；例如隱式sum(range(10000))；

減少內層循環計算；

使用numba.jit優化

使用合適的數據結構

Python 內置的數據結構如str, tuple, list, set, dict底層都是 C 實現的，速度非常快，自己實現新的數據結構想在性能上達到內置的速度幾乎是不可能的。

聯系作者

總結

以上是生活随笔為你收集整理的python基础代码技巧_Python 代码优化技巧（二）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。