詳解讓Python效能起飛的15個技巧

前言

Python 一直以來被大家所詬病的一點就是執行速度慢，但不可否認的是 Python 依然是我們學習和工作中的一大利器。因此，我們對 Python 呢是“又愛又恨”。

本文總結了一些小 tips 有助於提升 Python 執行速度、優化效能。以下所有技巧都經過我的驗證，可放心食用。

先上結論：

• 使用map()進行函數對映
• 使用set()求交集
• 使用sort()或sorted()排序
• 使用collections.Counter()計數
• 使用列表推導
• 使用join()連線字串
• 使用x, y = y, x交換變數
• 使用while 1取代while True
• 使用裝飾器快取
• 減少點運運算元(.)的使用
• 使用for迴圈取代while迴圈
• 使用Numba.jit加速計算
• 使用Numpy向量化陣列
• 使用in檢查列表成員
• 使用itertools庫迭代

如何測量程式的執行時間

關於 Python 如何精確地測量程式的執行時間，這個問題看起來簡單其實很複雜，因為程式的執行時間受到很多因素的影響，例如作業系統、Python 版本以及相關硬體（CPU 效能、記憶體讀寫速度）等。在同一臺電腦上執行相同版本的語言時，上述因素就是確定的了，但是程式的睡眠時間依然是變化的，且電腦上正在執行的其他程式也會對實驗有干擾，因此嚴格來說這就是實驗不可重複。

我瞭解到的關於計時比較有代表性的兩個庫就是time和timeit。

其中，time庫中有time()、perf_counter()以及process_time()三個函數可用來計時（以秒為單位），加字尾_ns表示以納秒計時（自 Python3.7 始）。在此之前還有clock()函數，但是在 Python3.3 之後被移除了。上述三者的區別如下：

• time()精度上相對沒有那麼高，而且受系統的影響，適合表示日期時間或者大程式的計時。
• perf_counter()適合小一點的程式測試，會計算sleep()時間。
• process_time()適合小一點的程式測試，不計算sleep()時間。

與time庫相比，timeit 有兩個優點：

• timeit 會根據您的作業系統和 Python 版本選擇最佳計時器。
• timeit 在計時期間會暫時禁用垃圾回收。

timeit.timeit(stmt='pass', setup='pass', timer=<default timer>, number=1000000, globals=None) 引數說明：

• stmt='pass'：需要計時的語句或者函數。
• setup='pass'：執行stmt之前要執行的程式碼。通常，它用於匯入一些模組或宣告一些必要的變數。
• timer=<default timer>：計時器函數，預設為time.perf_counter()。
• number=1000000：執行計時語句的次數，預設為一百萬次。
• globals=None：指定執行程式碼的名稱空間。

本文所有的計時均採用timeit方法，且採用預設的執行次數一百萬次。

為什麼要執行一百萬次呢？因為我們的測試程式很短，如果不執行這麼多次的話，根本看不出差距。

1.使用map()進行函數對映

Exp1：將字串陣列中的小寫字母轉為大寫字母。

測試陣列為 oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。

方法一

newlist = []
for word in oldlist:
    newlist.append(word.upper())

方法二

list(map(str.upper, oldlist))

方法一耗時 0.5267724000000005s，方法二耗時 0.41462569999999843s，效能提升 21.29% 

2.使用set()求交集

Exp2：求兩個list的交集。

測試陣列：a = [1,2,3,4,5]，b = [2,4,6,8,10]。

方法一

overlaps = []
for x in a:
    for y in b:
        if x == y:
            overlaps.append(x)

方法二

list(set(a) & set(b))

方法一耗時 0.9507264000000006s，方法二耗時 0.6148200999999993s，效能提升 35.33% 

關於set()的語法：|、&、-分別表示求並集、交集、差集。

3.使用sort()或sorted()排序

我們可以通過多種方式對序列進行排序，但其實自己編寫排序演演算法的方法有些得不償失。因為內建的 sort()或 sorted() 方法已經足夠優秀了，且利用引數key可以實現不同的功能，非常靈活。二者的區別是sort()方法僅被定義在list中，而sorted()是全域性方法對所有的可迭代序列都有效。

Exp3：分別使用快排和sort()方法對同一列表排序。

測試陣列：lists = [2,1,4,3,0]。

方法一

def quick_sort(lists,i,j):
    if i >= j:
        return list
    pivot = lists[i]
    low = i
    high = j
    while i < j:
        while i < j and lists[j] >= pivot:
            j -= 1
        lists[i]=lists[j]
        while i < j and lists[i] <=pivot:
            i += 1
        lists[j]=lists[i]
    lists[j] = pivot
    quick_sort(lists,low,i-1)
    quick_sort(lists,i+1,high)
    return lists

方法二

lists.sort()

方法一耗時 2.4796975000000003s，方法二耗時 0.05551999999999424s，效能提升 97.76% 

順帶一提，sorted()方法耗時 0.1339823999987857s。

可以看出，sort()作為list專屬的排序方法還是很強的，sorted()雖然比前者慢一點，但是勝在它“不挑食”，它對所有的可迭代序列都有效。

擴充套件：如何定義sort()或sorted()方法的key

1.通過lambda定義

#學生：（姓名，成績，年齡）
students = [('john', 'A', 15),('jane', 'B', 12),('dave', 'B', 10)]
students.sort(key = lambda student: student[0]) #根據姓名排序
sorted(students, key = lambda student: student[0])

2.通過operator定義

import operator

students = [('john', 'A', 15),('jane', 'B', 12),('dave', 'B', 10)]
students.sort(key=operator.itemgetter(0))
sorted(students, key = operator.itemgetter(1, 0)) #先對成績排序，再對姓名排序

operator的itemgetter()適用於普通陣列排序，attrgetter()適用於物件陣列排序

3.通過cmp_to_key()定義，最為靈活

import functools

def cmp(a,b):
    if a[1] != b[1]:
        return -1 if a[1] < b[1] else 1 #先按照成績升序排序
    elif a[0] != b[0]:
        return -1 if a[0] < b[0] else 1 #成績相同，按照姓名升序排序
    else:
        return -1 if a[2] > b[2] else 1 #成績姓名都相同，按照年齡降序排序 

students = [('john', 'A', 15),('john', 'A', 14),('jane', 'B', 12),('dave', 'B', 10)]
sorted(students, key = functools.cmp_to_key(cmp))

4.使用collections.Counter()計數

Exp4：統計字串中每個字元出現的次數。

測試陣列：sentence='life is short, i choose python'。

方法一

counts = {}
for char in sentence:
    counts[char] = counts.get(char, 0) + 1

方法二

from collections import Counter
Counter(sentence)

方法一耗時 2.8105250000000055s，方法二耗時 1.6317423000000062s，效能提升 41.94% 

5.使用列表推導

列表推導（list comprehension）短小精悍。在小程式碼片段中，可能沒有太大的區別。但是在大型開發中，它可以節省一些時間。

Exp5：對列表中的奇數求平方，偶數不變。

測試陣列：oldlist = range(10)。

方法一

newlist = []
for x in oldlist:
    if x % 2 == 1:
        newlist.append(x**2)

方法二

[x**2 for x in oldlist if x%2 == 1]

方法一耗時 1.5342976000000021s，方法二耗時 1.4181957999999923s，效能提升 7.57% 

6.使用 join() 連線字串

大多數人都習慣使用+來連線字串。但其實，這種方法非常低效。因為，+操作在每一步中都會建立一個新字串並複製舊字串。更好的方法是用 join() 來連線字串。關於字串的其他操作，也儘量使用內建函數，如isalpha()、isdigit()、startswith()、endswith()等。

Exp6：將字串列表中的元素連線起來。

測試陣列：oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。

方法一

sentence = ""
for word in oldlist:
    sentence += word

方法二

"".join(oldlist)

方法一耗時 0.27489080000000854s，方法二耗時 0.08166570000000206s，效能提升 70.29% 

join還有一個非常舒服的點，就是它可以指定連線的分隔符，舉個例子