如果有人问你 ——“现在世界上增长最快的编程语言是什么?”答案很简单。那就是 Python。由于其简单的语法和丰富的库，它在世界范围内受到欢迎。现在，你几乎可以用python做任何事情:数据科学、机器学习、信号处理、数据可视化——你能想到的都可以。然而，许多人声称Python在解决严重问题时有点慢。但是，执行程序的时间取决于编写的代码。通过一些提示和技巧，可以加速Python代码并提高程序的性能。加速Python代码的提示和技巧如果您正在寻找提高python代码速度的方法，这篇文章很适合您。阐述了减少程序执行时间的技术和策略。这些技巧不仅可以加快代码的速度，还可以提高Python技能。Python有大量的库函数和模块。它们是由专业的开发人员编写的，并经过了多次测试。因此，这些函数是非常高效的，并有助于加速代码——如果函数在库中已经可用，则不需要编写代码。在这方面，我们举一个简单的例子。#code1
newlist = []
for word in oldlist:
newlist.append(word.upper())
#code2
newlist = map(str.upper, oldlist)
在这里，第二段代码比第一段代码快，因为使用了库函数map()。这些函数对初学者来说很方便。谁不想编写更快、更简洁、更小的代码呢?因此，尽可能多地使用库函数和模块。使用适当的数据结构将减少运行时。在开始之前，您必须考虑将在代码中使用的数据结构。一个完美的数据结构会加快python代码的速度，而其他人会把它搞砸。你必须了解不同数据结构的时间复杂性。Python有内置的数据结构，如列表（list）、元组（tuple）、set和字典（dictionary）。人们习惯于使用列表。但在某些情况下，元组或字典比列表工作得好得多。很难避免使用for循环。但专家说，只要你有机会预防，你就会去做。For循环在python中是动态的。它的运行时间比while循环要长。嵌套的for循环更耗时。两个嵌套的for循环将在一个for循环中占用时间的平方。#code1
for i in big_it:
m = re.search(r'\d{2}-\d{2}-\d{4}', i)
if m:
...
#code2
date_regex = re.compile(r'\d{2}-\d{2}-\d{4}')
for i in big_it:
m = date_regex.search(i)
if m:
...
在这种情况下，最好使用合适的替代品。此外，如果不可避免要使用for循环，则将计算移出循环。这样可以节省很多时间。我们可以从上面的例子中看到这一点。在这里，第二个代码比第一个代码快，因为计算是在循环之外完成的。在许多情况下，python都使用全局变量。全局关键字用于声明它。但是这些变量的运行时间要比局部变量的运行时间长。使用更少的内存可以避免不必要的内存使用。此外，Python抓取局部变量比抓取全局变量更快。当导航外部变量时，Python确实是缓慢的。其他几种编程语言反对计划外使用全局变量。计数器是由于副作用导致更高的运行时。因此，尽可能使用局部变量而不是全局变量。此外，您可以在循环中使用它之前制作一个本地副本，从而节省时间。5、增加列表推导式（List Comprehension）的使用列表推导式（List Comprehension）提供了更短的语法。当基于现有列表创建新列表时，这种情况很少。在任何代码中循环都是必须的。有时，循环中的语法变得很大。在这种情况下，可以使用列表推导式。我们可以举个例子来更准确地理解它。#code1
square_numbers = []
for n in range(0,20):
if n % 2 == 1:
square_numbers.append(n**2)
#code2
square_numbers = [n**2 for n in range(1,20) if n%2 == 1]
在这里，第二个代码比第一个代码花费的时间少。列表理解的方法更短，更精确。在小代码中可能不会有太大区别。但在大规模开发中，它可以为您节省一些时间。所以，只要你有机会加速你的Python代码，就使用列表理解。用xrange()替换range()如果你使用python 2, range()和xrange()的问题就来了。这些函数用于在for循环中迭代任何内容。对于range()，它将范围内的所有数字保存在内存中。但是xrange()只保存需要显示的数字范围。range()的返回类型是一个列表，xrange()的返回类型是一个对象。最终，xrange()占用的内存更少，因此时间也更少。因此，尽可能使用xrange()而不是range()。当然，这只适用于Python 2用户。在Python中，生成器是在调用关键字yield时返回迭代器的函数。生成器是优秀的内存优化器。它们每次只返回一个项，而不是一次返回所有项。如果列表中包含大量数据，而您需要一次使用一个数据，那么使用生成器。生成器以块计算数据。因此，函数可以在被调用时返回结果并保留其状态。生成器通过在调用者生成值后停止代码来保存函数状态，并在请求时从停止的地方继续运行。由于生成器访问并计算按需值，因此很大一部分数据不需要完全保存在内存中。它会节省相当多的内存，最终加快代码的速度。串接在处理字符串时非常常见。通常，在python中，我们使用' + '进行连接。但是，在每个步骤中，“+”操作创建一个新的字符串并复制旧的材料。这个过程效率很低，而且花费很多时间。如果我们想要加快Python代码的速度，我们必须使用join()来连接字符串。 #code1
x = 'I' + 'am' + 'a' + 'python' + 'linuxmi.com'
print(x)
#code2
x = ' '.join(['I', 'am', 'a', 'python', 'linuxmi.com'])
print(x)
如果我们看一下这个例子，第一个代码打印的是“Iamapythonlinuxmi.com”，第二个代码打印的是“I am a python linuxmi.com”。join()操作比' + '更高效、更快。它还能保持代码整洁。谁不想要更快更干净的代码呢?因此，尝试使用join()而不是' + '来连接字符串。代码分析是优化代码的经典方法。有许多模块来测量程序的统计数据。这让我们知道程序在哪里花费了太多时间，以及如何优化它。所以，为了保证优化，进行一些测试，并增强程序，提高效果。计时器是剖析器之一。您可以在代码的任何地方使用它，并找到每个阶段的运行时。然后我们可以改进花费太长时间的程序。此外，还有一个内置的分析器模块叫做LineProfiler。它还提供了一份关于所消耗时间的描述性报告。有成千上万的开发人员定期向python添加更多的特性。我们今天使用的模块和图书馆功能将在明天的发展中过时。Python开发人员正在使这门语言变得越来越快、越来越可靠。每个新版本都提高了它的性能。因此，我们需要将库更新到最新版本。Python 3.9现在是最新版本。python 2的许多库可能不能在Python3上运行。让我们记住这一点，并始终使用最新版本来获得最佳性能。Python开发人员的价值正在与日俱增。那么，你还在等什么呢！现在是您开始学习加快Python代码的时候了。我们提供的提示和技巧肯定会帮助您编写高效的代码。如果你遵循它们，我们希望你可以改进你的代码，学习更高级的Python知识。我们试图展示加速代码所需的所有主要技巧和提示。我们希望这篇文章已经回答了您的大部分问题。现在，剩下的就看你了。然而，知识没有止境，学习也没有止境。所以，如果我们错过了什么重要的东西，请告诉我们。祝学习快乐!
|
