Python 常见优化技巧，让你的程序溜溜的跑起来！
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。
00.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。
**01.字典 (dictionary) 與列表 (list)
Python 字典中使用了 hash table，因此查找操作的復雜度為 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。
02.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：
''' 遇到問題沒人解答？小編創(chuàng)建了一個Python學習交流QQ群：857662006 尋找有志同道合的小伙伴， 互幫互助,群里還有不錯的視頻學習教程和PDF電子書！ ''' 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
03.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
''' 遇到問題沒人解答？小編創(chuàng)建了一個Python學習交流QQ群：857662006 尋找有志同道合的小伙伴， 互幫互助,群里還有不錯的視頻學習教程和PDF電子書！ ''' 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。
04.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
''' 遇到問題沒人解答？小編創(chuàng)建了一個Python學習交流QQ群：857662006 尋找有志同道合的小伙伴， 互幫互助,群里還有不錯的視頻學習教程和PDF電子書！ ''' 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。
05.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
而避免
out = "" + head + prologue + query + tail + ""06.使用列表解析和生成器表達式
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。
''' 遇到問題沒人解答？小編創(chuàng)建了一個Python學習交流QQ群：857662006 尋找有志同道合的小伙伴， 互幫互助,群里還有不錯的視頻學習教程和PDF電子書！ ''' 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。
07.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。
08.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
''' 遇到問題沒人解答？小編創(chuàng)建了一個Python學習交流QQ群：857662006 尋找有志同道合的小伙伴， 互幫互助,群里還有不錯的視頻學習教程和PDF電子書！ ''' 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。
09.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, 因此這個應用程序未能啟動，重新安裝應用程序可能會修復此問題”，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
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 Search for include files in named directory (multiple include directories are allowed). -o, --output-file 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 Release interned objects on python exit, for memory debugging. Level indicates aggressiveness, default 0 releases nothing. -w, --working 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[=] 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,...] 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：
編譯完成之后可以導入到 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)
以上是生活随笔為你收集整理的Python 常见优化技巧，让你的程序溜溜的跑起来！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Python命令行之旅：使用argpar
- 下一篇： 30秒内便能学会的30个超实用Pytho