优化Python代码

优化Python代码

如果您的问题是关于一般地优化python代码（我认为应该是;），那么可以做各种各样的测试工作，但是首先：

您可能不应该过分地优化python代码！ 如果您要使用最快的算法来解决问题，而python的处理速度不够快，则可能应该使用其他语言。

就是说，您可以采用几种方法（因为有时候，您确实确实想使python代码更快）：

个人资料（先执行此 *** 作！）

有很多分析python代码的方法，但是我将提到两种：（

cProfile

或

profile

）module和

PyCallGraph

。

个人资料

这是您实际上应该使用的方法，尽管解释结果可能会有些令人生畏。它通过记录何时进入或退出每个函数以及调用函数是什么（以及跟踪异常）来进行记录。

您可以像这样在cProfile中运行一个函数：

import cProfilecProfile.run('myFunction()', 'myFunction.profile')

然后查看结果：

import pstatsstats = pstats.Stats('myFunction.profile')stats.strip_dirs().sort_stats('time').print_stats()

这将向您显示大部分时间都花在哪些功能上。

PyCallGraph

PyCallGraph

提供了一种 最漂亮
，也可能是最简单的方法来分析python程序-这是了解程序时间的很好的入门指南，但是却增加了执行开销

运行pycallgraph：

pycallgraph graphviz ./myprogram.py

简单！您会得到一个png图形图像作为输出（也许过一会儿…）

使用图书馆

如果您要尝试在python中执行某个已经存在的模块（甚至在标准库中），请改用该模块！

大多数标准库模块都是用C语言编写的，它们的执行速度比对等搜索（例如，bisection搜索）要快数百倍。

让翻译员尽您所能

解释器将为您做一些事情，例如循环。真？是! 您可以使用

map

，

reduce

以及

filter

关键字显著加快紧凑循环：

考虑：

for x in xrange(0, 100):    doSomethingWithX(x)

vs：

map(doSomethingWithX, xrange(0,100))

显然，这 可能 会更快，因为解释器只需要处理一个语句即可，而不是两个，但这有点含糊……实际上，这样做有两个原因：

• 所有流控制（我们已经完成循环了……）都在解释器中完成
• doSomethingWithX函数名称仅解析一次

在for循环中，每次循环python都要检查

doSomethingWithX

函数的确切位置！即使是缓存，这也有些开销。

请记住，Python是一种解释性语言

（请注意，本节实际上是关于微小的优化，您不应该让它们影响您的常规可读编码风格！）如果您来自使用c或Fortran之类的编译语言进行编程的背景，那么关于不同的python语句的性能可能令人惊讶：

try:

ing便宜，

if

ing昂贵

如果您有这样的代码：

if somethingcrazy_happened:     uhOhBetterDoSomething()else:     doWhatWeNormallyDo()

而

doWhatWeNormallyDo()

将抛出如果有什么疯狂的事例外，那么这将是更快的这样的安排你的代码：

try:    doWhatWeNormallyDo()except SomethingCrazy:    uhOhBetterDoSomething()

为什么？很好，口译员可以直接潜入并开始做您通常的工作；在第一种情况下， 每次 执行if语句 时
，解释器都必须查找一个符号，因为该名称可能引用自上次执行该语句以来的其他内容！（和名称查找，特别是如果

somethingcrazy_happened

是

global

可以的话）。

你是说谁？

由于名称查找的开销，最好在函数中缓存全局值，然后将简单的布尔测试烘烤到这样的函数中：

未优化的功能：

def foo():    if condition_that_rarely_changes:         doSomething()    else:         doSomethingElse()

优化的方法而不是使用变量，而是利用了解释器始终在函数上进行名称查找的事实！

条件成立时：

foo = doSomething # now foo() calls doSomething()

当条件变为假时：

foo = doSomethingElse # now foo() calls doSomethingElse()

y

PyPy是用python编写的python实现。当然，这意味着它将无限慢地运行代码吗？好吧，不。PyPy实际上使用即时编译器（JIT）运行python程序。

如果您不使用任何外部库（或者您使用的外部库与PyPy兼容），则这是一种（几乎可以肯定）加快程序中重复任务的极其简便的方法。

基本上，JIT可以生成代码，将做什么Python解释器会，但 多 快，因为它是一个单一的情况下产生的，而不是来处理每一个可能的法律Python表达式。

接下来看哪里

当然，您应该首先考虑的是改进算法和数据结构，并考虑诸如缓存之类的事情，或者甚至是否首先需要做很多事情，但是无论如何：

• python.org Wiki的此页面提供了许多有关如何加快python代码速度的信息，尽管其中有些过时了。

• 这是BDFL自己关于优化循环的主题。

即使我从有限的经验中也错过了很多东西，但是这个答案已经足够长了！

这一切都是基于我最近对某些python代码的经验，这些代码 还不够快
，我想再次强调一点，我真的不认为我建议的任何内容实际上是一个好主意，有时但是，您必须…