9 個(gè)小技巧，加速 Python 的優(yōu)化思路
Python 是一種腳本語言，相比 C/C++ 這樣的編譯語言，在效率和性能方面存在一些不足。但是，有很多時(shí)候，Python 的效率并沒有想象中的那么夸張。本文對一些 Python 代碼加速運(yùn)行的技巧進(jìn)行整理。
0. 代碼優(yōu)化原則
1. 避免全局變量
許多程序員剛開始會用 Python 語言寫一些簡單的腳本，當(dāng)編寫腳本時(shí)，通常習(xí)慣了直接將其寫為全局變量，例如上面的代碼。但是，由于全局變量和局部變量實(shí)現(xiàn)方式不同，定義在全局范圍內(nèi)的代碼運(yùn)行速度會比定義在函數(shù)中的慢不少。通過將腳本語句放入到函數(shù)中，通常可帶來 15% - 30% 的速度提升。
2. 避免模塊和函數(shù)屬性訪問
每次使用.（屬性訪問操作符時(shí)）會觸發(fā)特定的方法，如__getattribute__()和__getattr__()，這些方法會進(jìn)行字典操作，因此會帶來額外的時(shí)間開銷。通過from import語句，可以消除屬性訪問。
在第 1 節(jié)中我們講到，局部變量的查找會比全局變量更快，因此對于頻繁訪問的變量sqrt，通過將其改為局部變量可以加速運(yùn)行。
除了math.sqrt外，computeSqrt函數(shù)中還有.的存在，那就是調(diào)用list的append方法。通過將該方法賦值給一個(gè)局部變量，可以徹底消除computeSqrt函數(shù)中for循環(huán)內(nèi)部的.使用。
3. 避免類內(nèi)屬性訪問
避免.的原則也適用于類內(nèi)屬性，訪問self._value的速度會比訪問一個(gè)局部變量更慢一些。通過將需要頻繁訪問的類內(nèi)屬性賦值給一個(gè)局部變量，可以提升代碼運(yùn)行速度。
4. 避免不必要的抽象
任何時(shí)候當(dāng)你使用額外的處理層（比如裝飾器、屬性訪問、描述器）去包裝代碼時(shí)，都會讓代碼變慢。大部分情況下，需要重新進(jìn)行審視使用屬性訪問器的定義是否有必要，使用getter/setter函數(shù)對屬性進(jìn)行訪問通常是 C/C++ 程序員遺留下來的代碼風(fēng)格。如果真的沒有必要，就使用簡單屬性。
5. 避免數(shù)據(jù)復(fù)制
5.1 避免無意義的數(shù)據(jù)復(fù)制
上面的代碼中value_list完全沒有必要，這會創(chuàng)建不必要的數(shù)據(jù)結(jié)構(gòu)或復(fù)制。
另外一種情況是對 Python 的數(shù)據(jù)共享機(jī)制過于偏執(zhí)，并沒有很好地理解或信任 Python 的內(nèi)存模型，濫用?copy.deepcopy()之類的函數(shù)。通常在這些代碼中是可以去掉復(fù)制操作的。
5.2 交換值時(shí)不使用中間變量
上面的代碼在交換值時(shí)創(chuàng)建了一個(gè)臨時(shí)變量temp，如果不借助中間變量，代碼更為簡潔、且運(yùn)行速度更快。
5.3 字符串拼接用join而不是+
當(dāng)使用a + b拼接字符串時(shí)，由于 Python 中字符串是不可變對象，其會申請一塊內(nèi)存空間，將a和b分別復(fù)制到該新申請的內(nèi)存空間中。因此，如果要拼接 n?個(gè)字符串，會產(chǎn)生 n-1?個(gè)中間結(jié)果，每產(chǎn)生一個(gè)中間結(jié)果都需要申請和復(fù)制一次內(nèi)存，嚴(yán)重影響運(yùn)行效率。而使用join()拼接字符串時(shí)，會首先計(jì)算出需要申請的總的內(nèi)存空間，然后一次性地申請所需內(nèi)存，并將每個(gè)字符串元素復(fù)制到該內(nèi)存中去。
6. 利用if條件的短路特性
if?條件的短路特性是指對if a and b這樣的語句， 當(dāng)a為False時(shí)將直接返回，不再計(jì)算b；對于if a or b這樣的語句，當(dāng)a為True時(shí)將直接返回，不再計(jì)算b。因此， 為了節(jié)約運(yùn)行時(shí)間，對于or語句，應(yīng)該將值為True可能性比較高的變量寫在or前，而and應(yīng)該推后。
7. 循環(huán)優(yōu)化
7.1 用for循環(huán)代替while循環(huán)
Python 的for循環(huán)比while循環(huán)快不少。
7.2 使用隱式for循環(huán)代替顯式for循環(huán)
針對上面的例子，更進(jìn)一步可以用隱式for循環(huán)來替代顯式for循環(huán)
7.3 減少內(nèi)層for循環(huán)的計(jì)算
上面的代碼中sqrt(x)位于內(nèi)側(cè)for循環(huán)， 每次訓(xùn)練過程中都會重新計(jì)算一次，增加了時(shí)間開銷。
8. 使用numba.jit
我們沿用上面介紹過的例子，在此基礎(chǔ)上使用numba.jit。numba可以將 Python 函數(shù) JIT 編譯為機(jī)器碼執(zhí)行，大大提高代碼運(yùn)行速度。關(guān)于numba的更多信息見下面的主頁：http://numba.pydata.org/numba.pydata.org
9. 選擇合適的數(shù)據(jù)結(jié)構(gòu)
Python 內(nèi)置的數(shù)據(jù)結(jié)構(gòu)如str,?tuple,?list,?set,?dict底層都是 C 實(shí)現(xiàn)的，速度非?？欤约簩?shí)現(xiàn)新的數(shù)據(jù)結(jié)構(gòu)想在性能上達(dá)到內(nèi)置的速度幾乎是不可能的。
list類似于 C++ 中的std::vector，是一種動態(tài)數(shù)組。其會預(yù)分配一定內(nèi)存空間，當(dāng)預(yù)分配的內(nèi)存空間用完，又繼續(xù)向其中添加元素時(shí)，會申請一塊更大的內(nèi)存空間，然后將原有的所有元素都復(fù)制過去，之后銷毀之前的內(nèi)存空間，再插入新元素。
刪除元素時(shí)操作類似，當(dāng)已使用內(nèi)存空間比預(yù)分配內(nèi)存空間的一半還少時(shí)，會另外申請一塊小內(nèi)存，做一次元素復(fù)制，之后銷毀原有大內(nèi)存空間。
因此，如果有頻繁的新增、刪除操作，新增、刪除的元素?cái)?shù)量又很多時(shí)，list的效率不高。此時(shí)，應(yīng)該考慮使用collections.deque。collections.deque是雙端隊(duì)列，同時(shí)具備棧和隊(duì)列的特性，能夠在兩端進(jìn)行 O(1) 復(fù)雜度的插入和刪除操作。
list的查找操作也非常耗時(shí)。當(dāng)需要在list頻繁查找某些元素，或頻繁有序訪問這些元素時(shí)，可以使用bisect維護(hù)list對象有序并在其中進(jìn)行二分查找，提升查找的效率。
另外一個(gè)常見需求是查找極小值或極大值，此時(shí)可以使用heapq模塊將list轉(zhuǎn)化為一個(gè)堆，使得獲取最小值的時(shí)間復(fù)雜度是 O(1)。
下面的網(wǎng)頁給出了常用的 Python 數(shù)據(jù)結(jié)構(gòu)的各項(xiàng)操作的時(shí)間復(fù)雜度：https://wiki.python.org/moin/TimeComplexity
參考資料
-
David Beazley & Brian K. Jones. Python Cookbook, Third edition. O'Reilly Media, ISBN: 9781449340377, 2013. -
張穎 & 賴勇浩. 編寫高質(zhì)量代碼：改善Python程序的91個(gè)建議. 機(jī)械工業(yè)出版社, ISBN: 9787111467045, 2014.
作者：張皓（侵刪）
鏈接：https://zhuanlan.zhihu.com/p/143052860