大家好！今天呢，我們來聊一聊如何加速你的 python 代碼。

Python 語言的優點可以列舉出許多，語法簡單易懂、模塊豐富、應用廣泛等等。但是世界上沒有有完美的東西，python 一個明顯缺點就是運行速度慢，至少跟 C 語言沒法比。

所以，不安于現狀的 Pythoner 就開發了許多工具。其中，最著名的莫過于 Cython 和 Numba。其中 Cython 可以把 Python 代碼轉成 C 代碼執行，而 Numba 則是 Python 中的一個 JIT 編譯器(即時編譯器)，以此提高運行效率。

不過我們今天不講這些復雜的工具，看看能不能只通過改進你的 Python 代碼以提高速度。

一、函數

函數可以提高代碼的可讀性，那么用了函數對程序的執行效率是否有影響呢？我們來做個對比實驗。

先來看一個不用函數的版本：

import math

import time

start = time.time() # 開始計時

lst = [] # 定義一個空列表

for i in range(1, 10000000):

lst.append(math.sqrt(i)) # 瘋狂地往列表里添加計算結果

end = time.time() # 停止計時

print(end-start)

此代碼在我的電腦上輸出為?2.124?(不同配置的電腦結果不一樣，可多次運行取平均值)。再來加上函數試一下：

import math

import time

def func():

lst = [] # 定義一個空列表

for i in range(1, 10000000):

lst.append(math.sqrt(i)) # 瘋狂地往列表里添加計算結果

return lst # 返回結果

start = time.time() # 開始計時

lst = func()

end = time.time() # 停止計時

print(end-start)

在我的電腦上，?使用了函數的程序用了大概花了?1.743??秒。多次嘗試，基本上都會比上一個版本節省 15~20% 左右時間，這個差距還是存在的。

有人可能會覺得，增加了 函數?調用，效率可能會低。但實際上，我們這里只是增加了一次調用，影響甚微。而由于 ?Python 中 局部變量?和 全局變量?的實現方式不同， 使用局部變量效率會高些。

所以使用函數不僅提高可讀性，用得好還能讓代碼運行得更快。

二、去掉屬性訪問

再來看另一個例子，還是剛才的函數版本，我們做一點修改，改變其中導入函數的方式，由 math.sqrt 改為 sqrt：

from math import sqrt # 直接引用特定函數或屬性

import time

def func():

lst = []

for i in range(1, 10000000):

lst.append(sqrt(i)) # 直接調用 sqrt

return lst

start = time.time()

lst = func()

end = time.time()

print(end-start)

在其它代碼均沒有變動的情況下，這個程序的輸出時間變成了……

1.413?秒!

居然更快了。這又是為什么呢？

因為在進行 屬性訪問?的時候啊，會調用這個對象的 __getattribute__ 或者 __getattr__ 方法，造成了額外的開銷，所以導致速度變慢。

三、列表推導式

最后再來看看 列表推導式(List Comprehension)?，它的效率和普通 for 循環會有不一樣嗎？

繼續在上一個版本上修改：

from math import sqrt

import time

def func():

# for 循環改為列表推導式

lst = [sqrt(i) for i in range(1, 10000000)]

return lst

start = time.time()

lst = func()

end = time.time()

print(end-start)

結果是?0.968?秒！

這又是為什么呢？因為 列表推導式內的迭代是 C 實現?的，所以效率更高。

同最初的版本相比，實現同樣的效果，我們僅通過調整代碼的寫法，速度就提高了一倍還多。

各位 Pythoner，你們學到了嗎？

大家好！今天呢，我們來聊一聊如何加速你的 python 代碼。

Python 語言的優點可以列舉出許多，語法簡單易懂、模塊豐富、應用廣泛等等。但是世界上沒有有完美的東西，python 一個明顯缺點就是運行速度慢，至少跟 C 語言沒法比。

所以，不安于現狀的 Pythoner 就開發了許多工具。其中，最著名的莫過于 Cython 和 Numba。其中 Cython 可以把 Python 代碼轉成 C 代碼執行，而 Numba 則是 Python 中的一個 JIT 編譯器(即時編譯器)，以此提高運行效率。

不過我們今天不講這些復雜的工具，看看能不能只通過改進你的 Python 代碼以提高速度。

一、函數

函數可以提高代碼的可讀性，那么用了函數對程序的執行效率是否有影響呢？我們來做個對比實驗。先來看一個不用函數的版本：

import mathimport timestart = time.time() # 開始計時lst = [] # 定義一個空列表for i in range(1, 10000000):lst.append(math.sqrt(i)) # 瘋狂地往列表里添加計算結果end = time.time() # 停止計時print(end-start)

此代碼在我的電腦上輸出為2.124(不同配置的電腦結果不一樣，可多次運行取平均值)。再來加上函數試一下：

import mathimport timedef func():lst = [] # 定義一個空列表for i in range(1, 10000000):lst.append(math.sqrt(i)) # 瘋狂地往列表里添加計算結果return lst # 返回結果start = time.time() # 開始計時lst = func()end = time.time() # 停止計時print(end-start)

在我的電腦上，使用了函數的程序用了大概花了1.743秒。多次嘗試，基本上都會比上一個版本節省 15~20% 左右時間，這個差距還是存在的。

有人可能會覺得，增加了函數調用，效率可能會低。但實際上，我們這里只是增加了一次調用，影響甚微。而由于Python 中局部變量和全局變量的實現方式不同，使用局部變量效率會高些。

所以使用函數不僅提高可讀性，用得好還能讓代碼運行得更快。

二、去掉屬性訪問

再來看另一個例子，還是剛才的函數版本，我們做一點修改，改變其中導入函數的方式，由 math.sqrt 改為 sqrt：

from math import sqrt # 直接引用特定函數或屬性import timedef func():lst = []for i in range(1, 10000000):lst.append(sqrt(i))????# 直接調用 sqrtreturn lststart = time.time()lst = func()end = time.time()print(end-start)

在其它代碼均沒有變動的情況下，這個程序的輸出時間變成了……

1.413秒!

居然更快了。這又是為什么呢？

因為在進行屬性訪問的時候啊，會調用這個對象的 __getattribute__ 或者 __getattr__ 方法，造成了額外的開銷，所以導致速度變慢。

三、列表推導式

最后再來看看列表推導式(List Comprehension)，它的效率和普通 for 循環會有不一樣嗎？繼續在上一個版本上修改：

from math import sqrtimport timedef func():# for 循環改為列表推導式lst = [sqrt(i) for i in range(1, 10000000)]return lststart = time.time()lst = func()end = time.time()print(end-start)

結果是0.968秒！

這又是為什么呢？因為列表推導式內的迭代是 C 實現的，所以效率更高。

同最初的版本相比，實現同樣的效果，我們僅通過調整代碼的寫法，速度就提高了一倍還多。各位 Pythoner，你們學到了嗎？

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的python代码技巧_让你python代码更快的3个小技巧的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。