代碼優(yōu)化能夠讓程序運行更快，它是在不改變程序運行結(jié)果的情況下使得程序的運行效率更高，根據(jù) 80/20 原則，實現(xiàn)程序的重構(gòu)、優(yōu)化、擴展以及文檔相關(guān)的事情通常需要消耗 80% 的工作量。優(yōu)化通常包含兩方面的內(nèi)容：減小代碼的體積，提高代碼的運行效率。

改進算法，選擇合適的數(shù)據(jù)結(jié)構(gòu)

一個良好的算法能夠?qū)π阅芷鸬疥P(guān)鍵作用，因此性能改進的首要點是對算法的改進。在算法的時間復(fù)雜度排序上依次是：
O(1) -> O(lg n) -> O(n lg n) -> O(n^2) -> O(n^3) -> O(n^k) -> O(k^n) -> O(n!)

因此如果能夠在時間復(fù)雜度上對算法進行一定的改進，對性能的提高不言而喻。但對具體算法的改進不屬于本文討論的范圍，讀者可以自行參考這方面資料。下面的內(nèi)容將集中討論數(shù)據(jù)結(jié)構(gòu)的選擇。

字典 (dictionary) 與列表 (list)

Python 字典中使用了 hash table，因此查找操作的復(fù)雜度為 O(1)，而 list 實際是個數(shù)組，在 list 中，查找需要遍歷整個 list，其復(fù)雜度為 O(n)，因此對成員的查找訪問等操作字典要比 list 更快。

清單 1. 代碼 dict.py

from?time?import?time?
?t?=?time()?
?list?=?['a','b','is','python','jason','hello','hill','with','phone','test',?
'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd']?
?#list?=?dict.fromkeys(list,True)?
?print?list?
?filter?=?[]?
?for?i?in?range?(1000000):?
?????for?find?in?['is','hat','new','list','old','.']:?
?????????if?find?not?in?list:?
?????????????filter.append(find)?
?print?"total?run?time:"
?print?time()-t

上述代碼運行大概需要 16.09seconds。如果去掉行 #list = dict.fromkeys(list,True) 的注釋，將 list 轉(zhuǎn)換為字典之后再運行，時間大約為 8.375 seconds，效率大概提高了一半。因此在需要多數(shù)據(jù)成員進行頻繁的查找或者訪問的時候，使用 dict 而不是 list 是一個較好的選擇。

集合 (set) 與列表 (list)

set 的 union， intersection，difference 操作要比 list 的迭代要快。因此如果涉及到求 list 交集，并集或者差的問題可以轉(zhuǎn)換為 set 來操作。

清單 2. 求 list 的交集：

from?time?import?time?
t?=?time()?
lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44]?
listb=[2,4,6,9,23]?
intersection=[]?
for?i?in?range?(1000000):?
????for?a?in?lista:?
????????for?b?in?listb:?
????????????if?a?==?b:?
????????????????intersection.append(a)?


print?"total?run?time:"
print?time()-t

上述程序的運行時間大概為：

total?run?time:?
38.4070000648

清單 3. 使用 set 求交集

from?time?import?time?
t?=?time()?
lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44]?
listb=[2,4,6,9,23]?
intersection=[]?
for?i?in?range?(1000000):?
????list(set(lista)&set(listb))?
print?"total?run?time:"
print?time()-t

改為 set 后程序的運行時間縮減為 8.75，提高了 4 倍多，運行時間大大縮短。讀者可以自行使用表 1 其他的操作進行測試。

表 1. set 常見用法
set(list1) | set(list2) ? ? ? union ? ?包含 list1 和 list2 所有數(shù)據(jù)的新集合

set(list1) & set(list2)? ? ?intersection 包含 list1 和 list2 中共同元素的新集合

set(list1) - set(list2)? ? ? difference ? 在 list1 中出現(xiàn)但不在 list2 中出現(xiàn)的元素的集合

對循環(huán)的優(yōu)化

對循環(huán)的優(yōu)化所遵循的原則是盡量減少循環(huán)過程中的計算量，有多重循環(huán)的盡量將內(nèi)層的計算提到上一層。下面通過實例來對比循環(huán)優(yōu)化后所帶來的性能的提高。程序清單 4 中，如果不進行循環(huán)優(yōu)化，其大概的運行時間約為 132.375。

清單 4. 為進行循環(huán)優(yōu)化前

from?time?import?time?
t?=?time()?
lista?=?[1,2,3,4,5,6,7,8,9,10]?
listb?=[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01]?
for?i?in?range?(1000000):?
????for?a?in?range(len(lista)):?
????????for?b?in?range(len(listb)):?
????????????x=lista[a]+listb[b]?
print?"total?run?time:"
print?time()-t

現(xiàn)在進行如下優(yōu)化，將長度計算提到循環(huán)外，range 用 xrange 代替，同時將第三層的計算 lista[a] 提到循環(huán)的第二層。

清單 5. 循環(huán)優(yōu)化后

from?time?import?time?
t?=?time()?
lista?=?[1,2,3,4,5,6,7,8,9,10]?
listb?=[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01]?
len1=len(lista)?
len2=len(listb)?
for?i?in?xrange?(1000000):?
????for?a?in?xrange(len1):?
????????temp=lista[a]?
????????for?b?in?xrange(len2):?
????????????x=temp+listb[b]?
print?"total?run?time:"
print?time()-t

上述優(yōu)化后的程序其運行時間縮短為 102.171999931。在清單 4 中 lista[a] 被計算的次數(shù)為 10000001010，而在優(yōu)化后的代碼中被計算的次數(shù)為 1000000*10，計算次數(shù)大幅度縮短，因此性能有所提升。

充分利用 Lazy if-evaluation 的特性

python 中條件表達式是 lazy evaluation 的，也就是說如果存在條件表達式 if x and y，在 x 為 false 的情況下 y 表達式的值將不再計算。因此可以利用該特性在一定程度上提高程序效率。

清單 6. 利用 Lazy if-evaluation 的特性

from?time?import?time?
t?=?time()?
abbreviations?=?['cf.',?'e.g.',?'ex.',?'etc.',?'fig.',?'i.e.',?'Mr.',?'vs.']?
for?i?in?range?(1000000):?
????for?w?in?('Mr.',?'Hat',?'is',?'chasing',?'the',?'black',?'cat',?'.'):?
????????if?w?in?abbreviations:?
????????#if?w[-1]?==?'.'?and?w?in?abbreviations:?
????????????pass?
print?"total?run?time:"
print?time()-t

在未進行優(yōu)化之前程序的運行時間大概為 8.84，如果使用注釋行代替第一個 if，運行的時間大概為 6.17。

字符串的優(yōu)化

python 中的字符串對象是不可改變的，因此對任何字符串的操作如拼接，修改等都將產(chǎn)生一個新的字符串對象，而不是基于原字符串，因此這種持續(xù)的 copy 會在一定程度上影響 python 的性能。對字符串的優(yōu)化也是改善性能的一個重要的方面，特別是在處理文本較多的情況下。字符串的優(yōu)化主要集中在以下幾個方面：

在字符串連接的使用盡量使用 join() 而不是 +：在代碼清單 7 中使用 + 進行字符串連接大概需要 0.125 s，而使用 join 縮短為 0.016s。因此在字符的操作上 join 比 + 要快，因此要盡量使用 join 而不是 +。
清單 7. 使用 join 而不是 + 連接字符串

from?time?import?time?

t?=?time()?
s?=?""
list?=?['a','b','b','d','e','f','g','h','i','j','k','l','m','n']?
for?i?in?range?(10000):?
????for?substr?in?list:?
????????s+=?substr?????
print?"total?run?time:"
print?time()-t

同時要避免：

s?=?""
for?x?in?list:?
???s?+=?func(x)

而是要使用：

slist?=?[func(elt)?for?elt?in?somelist]?
s?=?"".join(slist)

當(dāng)對字符串可以使用正則表達式或者內(nèi)置函數(shù)來處理的時候，選擇內(nèi)置函數(shù)。如 str.isalpha()，str.isdigit()，str.startswith(('x', 'yz'))，str.endswith(('x', 'yz'))
對字符進行格式化比直接串聯(lián)讀取要快，因此要使用

out?=?"<html>%s%s%s%s</html>"?%?(head,?prologue,?query,?tail)

而避免

out?=?"<html>"?+?head?+?prologue?+?query?+?tail?+?"</html>"

使用列表解析（list comprehension）和生成器表達式（generator expression）

列表解析要比在循環(huán)中重新構(gòu)建一個新的 list 更為高效，因此我們可以利用這一特性來提高運行的效率。

from?time?import?time?
?t?=?time()?
?list?=?['a','b','is','python','jason','hello','hill','with','phone','test',?
'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd']?
?total=[]?
?for?i?in?range?(1000000):?
?????for?w?in?list:?
?????????total.append(w)?
?print?"total?run?time:"
?print?time()-t

使用列表解析：

for?i?in?range?(1000000):?
????a?=?[w?for?w?in?list]

上述代碼直接運行大概需要 17s，而改為使用列表解析后 ，運行時間縮短為 9.29s。將近提高了一半。生成器表達式則是在 2.4 中引入的新內(nèi)容，語法和列表解析類似，但是在大數(shù)據(jù)量處理時，生成器表達式的優(yōu)勢較為明顯，它并不創(chuàng)建一個列表，只是返回一個生成器，因此效率較高。在上述例子上中代碼 a = [w for w in list] 修改為 a = (w for w in list)，運行時間進一步減少，縮短約為 2.98s。

其他優(yōu)化技巧

如果需要交換兩個變量的值使用 a,b=b,a 而不是借助中間變量 t=a;a=b;b=t；

>>>?from?timeit?import?Timer?
>>>?Timer("t=a;a=b;b=t","a=1;b=2").timeit()?
0.25154118749729365?
>>>?Timer("a,b=b,a","a=1;b=2").timeit()?
0.17156677734181258?
>>>

在循環(huán)的時候使用 xrange 而不是 range；使用 xrange 可以節(jié)省大量的系統(tǒng)內(nèi)存，因為 xrange() 在序列中每次調(diào)用只產(chǎn)生一個整數(shù)元素。而 range() 將直接返回完整的元素列表，用于循環(huán)時會有不必要的開銷。在 python3 中 xrange 不再存在，里面 range 提供一個可以遍歷任意長度的范圍的 iterator。
使用局部變量，避免"global" 關(guān)鍵字。python 訪問局部變量會比全局變量要快得多，因 ? ?此可以利用這一特性提升性能。
if done is not None 比語句 if done != None 更快，讀者可以自行驗證；
在耗時較多的循環(huán)中，可以把函數(shù)的調(diào)用改為內(nèi)聯(lián)的方式；
使用級聯(lián)比較 "x < y < z" 而不是 "x < y and y < z"；
while 1 要比 while True 更快（當(dāng)然后者的可讀性更好）；
build in 函數(shù)通常較快，add(a,b) 要優(yōu)于 a+b。

定位程序性能瓶頸

對代碼優(yōu)化的前提是需要了解性能瓶頸在什么地方，程序運行的主要時間是消耗在哪里，對于比較復(fù)雜的代碼可以借助一些工具來定位，python 內(nèi)置了豐富的性能分析工具，如 profile,cProfile 與 hotshot 等。其中 Profiler 是 python 自帶的一組程序，能夠描述程序運行時候的性能，并提供各種統(tǒng)計幫助用戶定位程序的性能瓶頸。Python 標準模塊提供三種 profilers:cProfile,profile 以及 hotshot。

profile 的使用非常簡單，只需要在使用之前進行 import 即可。具體實例如下：

清單 8. 使用 profile 進行性能分析

import?profile?
def?profileTest():?
???Total?=1;?
???for?i?in?range(10):?
???????Total=Total*(i+1)?
???????print?Total?
???return?Total?
if?__name__?==?"__main__":?
???profile.run("profileTest()")

程序的運行結(jié)果如下：

其中輸出每列的具體解釋如下：

ncalls：表示函數(shù)調(diào)用的次數(shù)；
tottime：表示指定函數(shù)的總的運行時間，除掉函數(shù)中調(diào)用子函數(shù)的運行時間；
percall：（第一個 percall）等于 tottime/ncalls；
cumtime：表示該函數(shù)及其所有子函數(shù)的調(diào)用運行的時間，即函數(shù)開始調(diào)用到返回的時間；
percall：（第二個 percall）即函數(shù)運行一次的平均時間，等于 cumtime/ncalls；
filename:lineno(function)：每個函數(shù)調(diào)用的具體信息；

如果需要將輸出以日志的形式保存，只需要在調(diào)用的時候加入另外一個參數(shù)。如 profile.run("profileTest()","testprof")。

對于 profile 的剖析數(shù)據(jù)，如果以二進制文件的時候保存結(jié)果的時候，可以通過 pstats 模塊進行文本報表分析，它支持多種形式的報表輸出，是文本界面下一個較為實用的工具。使用非常簡單：

import?pstats?
p?=?pstats.Stats('testprof')?
p.sort_stats("name").print_stats()

其中 sort_stats() 方法能夠?qū)ζ史謹?shù)據(jù)進行排序， 可以接受多個排序字段，如 sort_stats('name', 'file') 將首先按照函數(shù)名稱進行排序，然后再按照文件名進行排序。常見的排序字段有 calls( 被調(diào)用的次數(shù) )，time（函數(shù)內(nèi)部運行時間），cumulative（運行的總時間）等。此外 pstats 也提供了命令行交互工具，執(zhí)行 python – m pstats 后可以通過 help 了解更多使用方式。

對于大型應(yīng)用程序，如果能夠?qū)⑿阅芊治龅慕Y(jié)果以圖形的方式呈現(xiàn)，將會非常實用和直觀，常見的可視化工具有 Gprof2Dot，visualpytune，KCacheGrind 等，讀者可以自行查閱相關(guān)官網(wǎng)，本文不做詳細討論。

Python 性能優(yōu)化工具

Python 性能優(yōu)化除了改進算法，選用合適的數(shù)據(jù)結(jié)構(gòu)之外，還有幾種關(guān)鍵的技術(shù)，比如將關(guān)鍵 python 代碼部分重寫成 C 擴展模塊，或者選用在性能上更為優(yōu)化的解釋器等，這些在本文中統(tǒng)稱為優(yōu)化工具。python 有很多自帶的優(yōu)化工具，如 Psyco，Pypy，Cython，Pyrex 等，這些優(yōu)化工具各有千秋，本節(jié)選擇幾種進行介紹。

Psyco

psyco 是一個 just-in-time 的編譯器，它能夠在不改變源代碼的情況下提高一定的性能，Psyco 將操作編譯成有點優(yōu)化的機器碼，其操作分成三個不同的級別，有"運行時"、"編譯時"和"虛擬時"變量。并根據(jù)需要提高和降低變量的級別。運行時變量只是常規(guī) Python 解釋器處理的原始字節(jié)碼和對象結(jié)構(gòu)。一旦 Psyco 將操作編譯成機器碼，那么編譯時變量就會在機器寄存器和可直接訪問的內(nèi)存位置中表示。同時 python 能高速緩存已編譯的機器碼以備今后重用，這樣能節(jié)省一點時間。但 Psyco 也有其缺點，其本身運行所占內(nèi)存較大。目前 psyco 已經(jīng)不在 python2.7 中支持，而且不再提供維護和更新了，對其感興趣的可以參考 http://psyco.sourceforge.net/

Pypy

PyPy 表示 "用 Python 實現(xiàn)的 Python"，但實際上它是使用一個稱為 RPython 的 Python 子集實現(xiàn)的，能夠?qū)?Python 代碼轉(zhuǎn)成 C， .NET， Java 等語言和平臺的代碼。PyPy 集成了一種即時 (JIT) 編譯器。和許多編譯器，解釋器不同，它不關(guān)心 Python 代碼的詞法分析和語法樹。因為它是用 Python 語言寫的，所以它直接利用 Python 語言的 Code Object.。Code Object 是 Python 字節(jié)碼的表示，也就是說， PyPy 直接分析 Python 代碼所對應(yīng)的字節(jié)碼 ,，這些字節(jié)碼即不是以字符形式也不是以某種二進制格式保存在文件中， 而在 Python 運行環(huán)境中。目前版本是 1.8. 支持不同的平臺安裝，windows 上安裝 Pypy 需要先下載 https://bitbucket.org/pypy/pypy/downloads/pypy-1.8-win32.zip，然后解壓到相關(guān)的目錄，并將解壓后的路徑添加到環(huán)境變量 path 中即可。在命令行運行 pypy，如果出現(xiàn)如下錯誤："沒有找到 MSVCR100.dll, 因此這個應(yīng)用程序未能啟動，重新安裝應(yīng)用程序可能會修復(fù)此問題"，則還需要在微軟的官網(wǎng)上下載 VS 2010 runtime libraries 解決該問題。具體地址為 http://www.microsoft.com/download/en/details.aspx?displaylang=en&id=5555

安裝成功后在命令行里運行 pypy，輸出結(jié)果如下：

C:Documents?and?SettingsAdministrator>pypy?
Python?2.7.2?(0e28b379d8b3,?Feb?09?2012,?18:31:47)?
[PyPy?1.8.0?with?MSC?v.1500?32?bit]?on?win32?
Type?"help",?"copyright",?"credits"?or?"license"?for?more?information.?
And?now?for?something?completely?different:?``PyPy?is?vast,?and?contains?
multitudes''
>>>>

以清單 5 的循環(huán)為例子，使用 python 和 pypy 分別運行，得到的運行結(jié)果分別如下：

C:Documents?and?SettingsAdministrator?桌面?docpython>pypy?loop.py?
total?run?time:?
8.42199993134?

C:Documents?and?SettingsAdministrator?桌面?docpython>python?loop.py?
total?run?time:?
106.391000032

可見使用 pypy 來編譯和運行程序，其效率大大的提高。

Cython

Cython 是用 python 實現(xiàn)的一種語言，可以用來寫 python 擴展，用它寫出來的庫都可以通過 import 來載入，性能上比 python 的快。cython 里可以載入 python 擴展 ( 比如 import math)，也可以載入 c 的庫的頭文件 ( 比如 :cdef extern from "math.h")，另外也可以用它來寫 python 代碼。將關(guān)鍵部分重寫成 C 擴展模塊

Linux Cpython 的安裝：
第一步：下載

[root@v5254085f259?cpython]#?wget?-N?http://cython.org/release/Cython-0.15.1.zip?
--2012-04-16?22:08:35--??http://cython.org/release/Cython-0.15.1.zip?
Resolving?cython.org...?128.208.160.197?
Connecting?to?cython.org|128.208.160.197|:80...?connected.?
HTTP?request?sent,?awaiting?response...?200?OK?
Length:?2200299?(2.1M)?[application/zip]?
Saving?to:?`Cython-0.15.1.zip'

100%[======================================>]?2,200,299???1.96M/s???in?1.1s?

2012-04-16?22:08:37?(1.96?MB/s)?-?`Cython-0.15.1.zip'?saved?[2200299/2200299]

第二步：解壓

[root@v5254085f259?cpython]#?unzip?-o?Cython-0.15.1.zip

第三步：安裝

python?setup.py?install

安裝完成后直接輸入 cython，如果出現(xiàn)如下內(nèi)容則表明安裝成功。

[root@v5254085f259?Cython-0.15.1]#?cython?
Cython?(http://cython.org)?is?a?compiler?for?code?written?in?the?
Cython?language.??Cython?is?based?on?Pyrex?by?Greg?Ewing.?

Usage:?cython?[options]?sourcefile.{pyx,py}?...?

Options:?
?-V,?--version??????????????????Display?version?number?of?cython?compiler?
?-l,?--create-listing???????????Write?error?messages?to?a?listing?file?
?-I,?--include-dir?<directory>??Search?for?include?files?in?named?directory?
????????????????????????????????(multiple?include?directories?are?allowed).?
?-o,?--output-file?<filename>???Specify?name?of?generated?C?file?
?-t,?--timestamps???????????????Only?compile?newer?source?files?
?-f,?--force????????????????????Compile?all?source?files?(overrides?implied?-t)?
?-q,?--quiet????????????????????Don't?print?module?names?in?recursive?mode?
?-v,?--verbose??????????????????Be?verbose,?print?file?names?on?multiple?compil?ation?
?-p,?--embed-positions??????????If?specified,?the?positions?in?Cython?files?of?each?
?function?definition?is?embedded?in?its?docstring.?
?--cleanup?<level>?
?Release?interned?objects?on?python?exit,?for?memory?debugging.?
???Level?indicates?aggressiveness,?default?0?releases?nothing.?
?-w,?--working?<directory>?
?Sets?the?working?directory?for?Cython?(the?directory?modules?are?searched?from)?
?--gdb?Output?debug?information?for?cygdb?
?-D,?--no-docstrings?
?????????????Strip?docstrings?from?the?compiled?module.?
?-a,?--annotate?
?????????????Produce?a?colorized?HTML?version?of?the?source.?
?--line-directives?
?????????????Produce?#line?directives?pointing?to?the?.pyx?source?
?--cplus?
?????????????Output?a?C++?rather?than?C?file.?
?--embed[=<method_name>]?
?????????????Generate?a?main()?function?that?embeds?the?Python?interpreter.?
?-2??????????Compile?based?on?Python-2?syntax?and?code?seman?tics.?
?-3??????????Compile?based?on?Python-3?syntax?and?code?seman?tics.?
?--fast-fail?????Abort?the?compilation?on?the?first?error?
?--warning-error,?-Werror???????Make?all?warnings?into?errors?
?--warning-extra,?-Wextra???????Enable?extra?warnings?
?-X,?--directive?<name>=<value>?
?[,<name=value,...]?Overrides?a?compiler?directive

其他平臺上的安裝可以參考文檔：http://docs.cython.org/src/quickstart/install.html

Cython 代碼與 python 不同，必須先編譯，編譯一般需要經(jīng)過兩個階段，將 pyx 文件編譯為 .c 文件，再將 .c 文件編譯為 .so 文件。編譯有多種方法：

通過命令行編譯：

假設(shè)有如下測試代碼，使用命令行編譯為 .c 文件。

def?sum(int?a,int?b):?
???????print?a+b?

[root@v5254085f259?test]#?cython?sum.pyx?
[root@v5254085f259?test]#?ls?
total?76?
4?drwxr-xr-x?2?root?root??4096?Apr?17?02:45?.?
4?drwxr-xr-x?4?root?root??4096?Apr?16?22:20?..?
4?-rw-r--r--?1?root?root????35?Apr?17?02:45?1?
60?-rw-r--r--?1?root?root?55169?Apr?17?02:45?sum.c?
4?-rw-r--r--?1?root?root????35?Apr?17?02:45?sum.pyx

在 linux 上利用 gcc 編譯為 .so 文件：

[root@v5254085f259?test]#?gcc?-shared?-pthread?-fPIC?-fwrapv?-O2?
-Wall?-fno-strict-aliasing?-I/usr/include/python2.4?-o?sum.so?sum.c?
[root@v5254085f259?test]#?ls?
total?96?
4?drwxr-xr-x?2?root?root??4096?Apr?17?02:47?.?
4?drwxr-xr-x?4?root?root??4096?Apr?16?22:20?..?
4?-rw-r--r--?1?root?root????35?Apr?17?02:45?1?
60?-rw-r--r--?1?root?root?55169?Apr?17?02:45?sum.c?
4?-rw-r--r--?1?root?root????35?Apr?17?02:45?sum.pyx?
20?-rwxr-xr-x?1?root?root?20307?Apr?17?02:47?sum.so

使用 distutils 編譯
建立一個 setup.py 的腳本：

from?distutils.core?import?setup?
from?distutils.extension?import?Extension?
from?Cython.Distutils?import?build_ext?

ext_modules?=?[Extension("sum",?["sum.pyx"])]?

setup(?
???name?=?'sum?app',?
???cmdclass?=?{'build_ext':?build_ext},?
???ext_modules?=?ext_modules?
)?


[root@v5254085f259?test]#??python?setup.py?build_ext?--inplace?
running?build_ext?
cythoning?sum.pyx?to?sum.c?
building?'sum'?extension?
gcc?-pthread?-fno-strict-aliasing?-fPIC?-g?-O2?-DNDEBUG?-g?-fwrapv?-O3?
-Wall?-Wstrict-prototypes?-fPIC?-I/opt/ActivePython-2.7/include/python2.7?
?-c?sum.c?-o?build/temp.linux-x86_64-2.7/sum.o?
gcc?-pthread?-shared?build/temp.linux-x86_64-2.7/sum.o?
-o?/root/cpython/test/sum.so

編譯完成之后可以導(dǎo)入到 python 中使用：

[root@v5254085f259?test]#?python?
ActivePython?2.7.2.5?(ActiveState?Software?Inc.)?based?on?
Python?2.7.2?(default,?Jun?24?2011,?11:24:26)?
[GCC?4.0.2?20051125?(Red?Hat?4.0.2-8)]?on?linux2?
Type?"help",?"copyright",?"credits"?or?"license"?for?more?information.?
>>>?import?pyximport;?pyximport.install()?
>>>?import?sum?
>>>?sum.sum(1,3)

下面來進行一個簡單的性能比較：

清單 9. Cython 測試代碼

from?time?import?time?
def?test(int?n):?
???????cdef?int?a?=0?
???????cdef?int?i?
???????for?i?in?xrange(n):?
???????????????a+=?i?
???????return?a?

t?=?time()?
test(10000000)?
print?"total?run?time:"
print?time()-t

測試結(jié)果：

[GCC?4.0.2?20051125?(Red?Hat?4.0.2-8)]?on?linux2?
Type?"help",?"copyright",?"credits"?or?"license"?for?more?information.?
>>>?import?pyximport;?pyximport.install()?
>>>?import?ctest?
total?run?time:?
0.00714015960693

清單 10. Python 測試代碼

from?time?import?time?
def?test(n):?
???????a?=0;?
???????for?i?in?xrange(n):?
???????????????a+=?i?
???????return?a?

t?=?time()?
test(10000000)?
print?"total?run?time:"
print?time()-t?

[root@v5254085f259?test]#?python?test.py?
total?run?time:?
0.971596002579

從上述對比可以看到使用 Cython 的速度提高了將近 100 多倍。

總結(jié)

本文初步探討了 python 常見的性能優(yōu)化技巧以及如何借助工具來定位和分析程序的性能瓶頸，并提供了相關(guān)可以進行性能優(yōu)化的工具或語言，希望能夠更相關(guān)人員一些參考。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎勵來咯，堅持創(chuàng)作打卡瓜分現(xiàn)金大獎

總結(jié)

以上是生活随笔為你收集整理的Python 代码优化常见技巧的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。