当前位置: 首页 > 科技 > 人工智能 > 嘘,Python 优化提速的 8 个小技巧_腾讯新闻

嘘,Python 优化提速的 8 个小技巧_腾讯新闻

天乐
2021-05-06 19:36:08 第一视角

作者:张皓

链接:https://zhuanlan.zhihu.com/p/143052860

Python 是一种脚本语言,相比 C/C++ 这样的编译语言,在效率和性能方面存在一些不足。但是,有很多时候,Python 的效率并没有想象中的那么夸张。本文对一些 Python 代码加速运行的技巧进行整理。

0. 代码优化原则

本文会介绍不少的 Python 代码加速运行的技巧。在深入代码优化细节之前,需要了解一些代码优化基本原则。

第一个基本原则是不要过早优化。很多人一开始写代码就奔着性能优化的目标,“让正确的程序更快要比让快速的程序正确容易得多”。因此,优化的前提是代码能正常工作。过早地进行优化可能会忽视对总体性能指标的把握,在得到全局结果前不要主次颠倒。

第二个基本原则是权衡优化的代价。优化是有代价的,想解决所有性能的问题是几乎不可能的。通常面临的选择是时间换空间或空间换时间。另外,开发代价也需要考虑。

第三个原则是不要优化那些无关紧要的部分。如果对代码的每一部分都去优化,这些修改会使代码难以阅读和理解。如果你的代码运行速度很慢,首先要找到代码运行慢的位置,通常是内部循环,专注于运行慢的地方进行优化。在其他地方,一点时间上的损失没有什么影响。

1. 避免全局变量

许多程序员刚开始会用 Python 语言写一些简单的脚本,当编写脚本时,通常习惯了直接将其写为全局变量,例如上面的代码。但是,由于全局变量和局部变量实现方式不同,定义在全局范围内的代码运行速度会比定义在函数中的慢不少。通过将脚本语句放入到函数中,通常可带来 15% - 30% 的速度提升。

2. 避免.

2.1 避免模块和函数属性访问

每次使用(属性访问操作符时)会触发特定的方法,如和,这些方法会进行字典操作,因此会带来额外的时间开销。通过语句,可以消除属性访问。

在第 1 节中我们讲到,局部变量的查找会比全局变量更快,因此对于频繁访问的变量,通过将其改为局部变量可以加速运行。

除了外,函数中还有的存在,那就是调用的方法。通过将该方法赋值给一个局部变量,可以彻底消除函数中循环内部的使用。

2.2 避免类内属性访问

避免的原则也适用于类内属性,访问的速度会比访问一个局部变量更慢一些。通过将需要频繁访问的类内属性赋值给一个局部变量,可以提升代码运行速度。

3. 避免不必要的抽象

任何时候当你使用额外的处理层(比如装饰器、属性访问、描述器)去包装代码时,都会让代码变慢。大部分情况下,需要重新进行审视使用属性访问器的定义是否有必要,使用函数对属性进行访问通常是 C/C++ 程序员遗留下来的代码风格。如果真的没有必要,就使用简单属性。

4. 避免数据复制

4.1 避免无意义的数据复制

上面的代码中完全没有必要,这会创建不必要的数据结构或复制。

另外一种情况是对 Python 的数据共享机制过于偏执,并没有很好地理解或信任 Python 的内存模型,滥用 之类的函数。通常在这些代码中是可以去掉复制操作的。

4.2 交换值时不使用中间变量

上面的代码在交换值时创建了一个临时变量,如果不借助中间变量,代码更为简洁、且运行速度更快。

4.3 字符串拼接用join而不是+

当使用拼接字符串时,由于 Python 中字符串是不可变对象,其会申请一块内存空间,将和分别复制到该新申请的内存空间中。因此,如果要拼接 n个字符串,会产生 n-1 个中间结果,每产生一个中间结果都需要申请和复制一次内存,严重影响运行效率。而使用拼接字符串时,会首先计算出需要申请的总的内存空间,然后一次性地申请所需内存,并将每个字符串元素复制到该内存中去。

5. 利用if条件的短路特性

条件的短路特性是指对这样的语句, 当为时将直接返回,不再计算;对于这样的语句,当为时将直接返回,不再计算。因此, 为了节约运行时间,对于语句,应该将值为可能性比较高的变量写在前,而应该推后。

6. 循环优化

6.1 用for循环代替while循环

Python 的循环比循环快不少。

6.2 使用隐式for循环代替显式for循环

针对上面的例子,更进一步可以用隐式循环来替代显式循环

6.3 减少内层for循环的计算

上面的代码中位于内侧循环, 每次训练过程中都会重新计算一次,增加了时间开销。

7. 使用numba.jit

8. 选择合适的数据结构

Python 内置的数据结构如, , , , 底层都是 C 实现的,速度非常快,自己实现新的数据结构想在性能上达到内置的速度几乎是不可能的。

类似于 C++ 中的,是一种动态数组。其会预分配一定内存空间,当预分配的内存空间用完,又继续向其中添加元素时,会申请一块更大的内存空间,然后将原有的所有元素都复制过去,之后销毁之前的内存空间,再插入新元素。

删除元素时操作类似,当已使用内存空间比预分配内存空间的一半还少时,会另外申请一块小内存,做一次元素复制,之后销毁原有大内存空间。

因此,如果有频繁的新增、删除操作,新增、删除的元素数量又很多时,list的效率不高。此时,应该考虑使用。是双端队列,同时具备栈和队列的特性,能够在两端进行 O(1) 复杂度的插入和删除操作。

的查找操作也非常耗时。当需要在频繁查找某些元素,或频繁有序访问这些元素时,可以使用维护对象有序并在其中进行二分查找,提升查找的效率。

另外一个常见需求是查找极小值或极大值,此时可以使用模块将转化为一个堆,使得获取最小值的时间复杂度是 O(1)。

下面的网页给出了常用的 Python 数据结构的各项操作的时间复杂度:https://wiki.python.org/moin/TimeComplexity

参考资料

David Beazley & Brian K. Jones. Python Cookbook, Third edition. O'Reilly Media, ISBN: 9781449340377, 2013.

张颖 & 赖勇浩. 编写高质量代码:改善Python程序的91个建议. 机械工业出版社, ISBN: 9787111467045, 2014.

介绍一本非常经典的入门PDF,它讲解的是程序员必知的硬核基础知识,看完能让你对计算机有一个基础的了解和入门,是培养你 的基础,我们看下目录大纲

提示:支持键盘“← →”键翻页
为你推荐
加载更多
意见反馈
返回顶部