大家好,今天这篇文章关于Python性能调优的10个小技巧,每天花5-10分钟阅读我的文章,对你技术提升一定会有帮助。 喜欢欢迎关注、点赞、收藏。
1 多多使用列表生成式
替换下面代码:
cube_numbers = [] for n in range(0,10): if n % 2 == 1: cube_numbers.append(n**3)
为列表生成式写法:
cube_numbers = [n**3 for n in range(1,10) if n%2 == 1]2 内置函数
尽可能多使用下面这些内置函数:
3 尽可能使用生成器单机处理较大数据量时,生成器往往很有用,因为它是分小片逐次读取,最大程度节省内存,如下网页爬取时使用 yield
import requests import re def get_pages(link): pages_to_visit = [] pages_to_visit.append(link) pattern = re.compile('https?') while pages_to_visit: current_page = pages_to_visit.pop(0) page = requests.get(current_page) for url in re.findall('', str(page.content)): if url[0] == '/': url = current_page + url[1:] if pattern.match(url): pages_to_visit.append(url) # yield yield current_page webpage = get_pages('http://www.example.com') for result in webpage: print(result)
4 判断成员所属关系最快的方法使用 in
for name in member_list: print('{} is a member'.format(name))5 使用集合求交集
替换下面代码:
a = [1,2,3,4,5] b = [2,3,4,5,6] overlaps = [] for x in a: for y in b: if x==y: overlaps.append(x) print(overlaps)
修改为set和求交集:
a = [1,2,3,4,5] b = [2,3,4,5,6] overlaps = set(a) & set(b) print(overlaps)6 多重赋值
Python支持多重赋值的风格,要多多使用
first_name, last_name, city = "Kevin", "Cunningham", "Brighton"7 尽量少用全局变量
Python查找最快、效率最高的是局部变量,查找全局变量相对变慢很多,因此多用局部变量,少用全局变量。
8 高效的itertools模块itertools模块支持多个迭代器的 *** 作,提供最节省内存的写法,因此要多多使用,如下求三个元素的全排列:
import itertools iter = itertools.permutations(["Alice", "Bob", "Carol"]) list(iter)9 lru_cache 缓存
位于functools模块的 lru_cache 装饰器提供了缓存功能,如下结合它和递归求解斐波那契数列第n:
import functools @functools.lru_cache(maxsize=128) def fibonacci(n): if n == 0: return 0 elif n == 1: return 1 return fibonacci(n - 1) + fibonacci(n-2)
因此,下面的递归写法非常低效,存在重复求解多个子问题的情况:
def fibonacci(n): if n == 0: # There is no 0'th number return 0 elif n == 1: # We define the first number as 1 return 1 return fibonacci(n - 1) + fibonacci(n-2)10 内置函数、key和itemgetter
上面提到尽量多使用内置函数,如下对列表排序使用 key , operator.itemgetter :
import operator my_list = [("Josh", "Grobin", "Singer"), ("Marco", "Polo", "General"), ("Ada", "Lovelace", "Scientist")] my_list.sort(key=operator.itemgetter(0)) my_list
欢迎转载、收藏、有所收获点赞支持一下!
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)