# 推荐写法。代码耗时:20.6秒 import math defmain(): # 定义到函数中,以减少全部变量使用 size = 10000 for x inrange(size): for y inrange(size): z = math.sqrt(x) + math.sqrt(y) main()
2. 避免.(属性访问操作符)
2.1 避免模块和函数属性访问
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
# 不推荐写法。代码耗时:14.5秒 import math defcomputeSqrt(size: int): result = [] for i inrange(size): result.append(math.sqrt(i)) return result defmain(): size = 10000 for _ inrange(size): result = computeSqrt(size) main()
# 第一次优化写法。代码耗时:10.9秒 from math import sqrt defcomputeSqrt(size: int): result = [] for i inrange(size): result.append(sqrt(i)) # 避免math.sqrt的使用 return result defmain(): size = 10000 for _ inrange(size): result = computeSqrt(size) main()
# 第二次优化写法。代码耗时:9.9秒 import math defcomputeSqrt(size: int): result = [] sqrt = math.sqrt # 赋值给局部变量 for i inrange(size): result.append(sqrt(i)) # 避免math.sqrt的使用 return result defmain(): size = 10000 for _ inrange(size): result = computeSqrt(size) main()
# 推荐写法,代码耗时:0.33秒 classDemoClass: def__init__(self, value: int): self.value = value # 避免不必要的属性访问器 defmain(): size = 1000000 for i inrange(size): demo_instance = DemoClass(size) value = demo_instance.value demo_instance.value = i main()
4. 避免数据复制
4.1 避免无意义的数据复制
1 2 3 4 5 6 7 8 9
# 不推荐写法,代码耗时:6.5秒 defmain(): size = 10000 for _ inrange(size): value = range(size) value_list = [x for x in value] square_list = [x * x for x in value_list] main()
上面的代码中value_list完全没有必要,这会创建不必要的数据结构或复制。
1 2 3 4 5 6 7 8
# 推荐写法,代码耗时:4.8秒 defmain(): size = 10000 for _ inrange(size): value = range(size) square_list = [x * x for x in value] # 避免无意义的复制 main()
# 不推荐写法,代码耗时:0.07秒 defmain(): size = 1000000 for _ inrange(size): a = 3 b = 5 temp = a a = b b = temp main()
上面的代码在交换值时创建了一个临时变量temp,如果不借助中间变量,代码更为简洁、且运行速度更快。
1 2 3 4 5 6 7 8 9
# 推荐写法,代码耗时:0.06秒 defmain(): size = 1000000 for _ inrange(size): a = 3 b = 5 a, b = b, a # 不借助中间变量 main()
4.3 字符串拼接用join而不是+
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
# 不推荐写法,代码耗时:2.6秒 import string from typing importList defconcatString(string_list: List[str]) -> str: result = '' for str_i in string_list: result += str_i return result defmain(): string_list = list(string.ascii_letters * 100) for _ inrange(10000): result = concatString(string_list) main()
# 推荐写法,代码耗时:0.3秒 import string from typing importList defconcatString(string_list: List[str]) -> str: return''.join(string_list) # 使用 join 而不是 + defmain(): string_list = list(string.ascii_letters * 100) for _ inrange(10000): result = concatString(string_list) main()
5. 利用if条件的短路特性
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
# 不推荐写法,代码耗时:0.05秒 from typing importList defconcatString(string_list: List[str]) -> str: abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'} abbr_count = 0 result = '' for str_i in string_list: if str_i in abbreviations: result += str_i return result defmain(): for _ inrange(10000): string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.'] result = concatString(string_list) main()
if 条件的短路特性是指对if a and b这样的语句, 当a为False时将直接返回,不再计算b;对于if a or b这样的语句,当a为True时将直接返回,不再计算b。因此, 为了节约运行时间,对于or语句,应该将值为True可能性比较高的变量写在or前,而and应该推后。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
# 推荐写法,代码耗时:0.03秒 from typing importList defconcatString(string_list: List[str]) -> str: abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'} abbr_count = 0 result = '' for str_i in string_list: if str_i[-1] == '.'and str_i in abbreviations: # 利用 if 条件的短路特性 result += str_i return result defmain(): for _ inrange(10000): string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.'] result = concatString(string_list) main()
6. 循环优化
6.1 用for循环代替while循环
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 defcomputeSum(size: int) -> int: sum_ = 0 i = 0 while i < size: sum_ += i i += 1 return sum_ defmain(): size = 10000 for _ inrange(size): sum_ = computeSum(size) main()
Python 的for循环比while循环快不少。
1 2 3 4 5 6 7 8 9 10 11 12 13
# 推荐写法。代码耗时:4.3秒 defcomputeSum(size: int) -> int: sum_ = 0 for i inrange(size): # for 循环代替 while 循环 sum_ += i return sum_ defmain(): size = 10000 for _ inrange(size): sum_ = computeSum(size) main()
6.2 使用隐式for循环代替显式for循环
针对上面的例子,更进一步可以用隐式for循环来替代显式for循环
1 2 3 4 5 6 7 8 9 10
# 推荐写法。代码耗时:1.7秒 defcomputeSum(size: int) -> int: returnsum(range(size)) # 隐式 for 循环代替显式 for 循环 defmain(): size = 10000 for _ inrange(size): sum = computeSum(size) main()
6.3 减少内层for循环的计算
1 2 3 4 5 6 7 8 9 10 11
# 不推荐写法。代码耗时:12.8秒 import math defmain(): size = 10000 sqrt = math.sqrt for x inrange(size): for y inrange(size): z = sqrt(x) + sqrt(y) main()
上面的代码中sqrt(x)位于内侧for循环, 每次训练过程中都会重新计算一次,增加了时间开销。
1 2 3 4 5 6 7 8 9 10 11 12
# 推荐写法。代码耗时:7.0秒 import math defmain(): size = 10000 sqrt = math.sqrt for x inrange(size): sqrt_x = sqrt(x) # 减少内层 for 循环的计算 for y inrange(size): z = sqrt_x + sqrt(y) main()
# 推荐写法。代码耗时:0.62秒 import numba @numba.jit defcomputeSum(size: float) -> int: sum = 0 for i inrange(size): sum += i returnsum defmain(): size = 10000 for _ inrange(size): sum = computeSum(size) main()
8. 选择合适的数据结构
Python 内置的数据结构如str, tuple, list, set, dict底层都是 C 实现的,速度非常快,自己实现新的数据结构想在性能上达到内置的速度几乎是不可能的。
list类似于 C++ 中的std::vector,是一种动态数组。其会预分配一定内存空间,当预分配的内存空间用完,又继续向其中添加元素时,会申请一块更大的内存空间,然后将原有的所有元素都复制过去,之后销毁之前的内存空间,再插入新元素。删除元素时操作类似,当已使用内存空间比预分配内存空间的一半还少时,会另外申请一块小内存,做一次元素复制,之后销毁原有大内存空间。因此,如果有频繁的新增、删除操作,新增、删除的元素数量又很多时,list的效率不高。此时,应该考虑使用collections.deque。collections.deque是双端队列,同时具备栈和队列的特性,能够在两端进行 复杂度的插入和删除操作。