Python Sebagai bahasa tafsiran jenis dinamik, kelajuan berjalan mungkin lebih perlahan daripada bahasa kompilasi jenis statik seperti C. Tetapi melalui teknik dan strategi tertentu, prestasi kod Python dapat ditingkatkan dengan ketara. Artikel ini akan membincangkan cara mengoptimumkan kod Python untuk menjadikannya berjalan lebih cepat dan lebih cekap, dan menggunakan modul timeit
python untuk mengukur secara tepat kod untuk melaksanakan masa.
<:> Nota: timeit
Contoh kod (menggunakan
masa pelaksanaan fungsi): timeit
print_hi
import timeit def print_hi(name): print(f'Hi, {name}') if __name__ == '__main__': t = timeit.Timer(setup='from __main__ import print_hi', stmt='print_hi("leapcell")') print(t.timeit())
<块> menyediakan pemasa yang tinggi dalam modul, yang sesuai untuk mengukur selang masa yang singkat. Contohnya:
<、> I. I/O -Dense Operasi Pengoptimuman time
time.perf_counter()
import time start_time = time.perf_counter() # ...你的代码逻辑... end_time = time.perf_counter() run_time = end_time - start_time print(f"程序运行时间: {run_time} 秒")
Ciri -ciri adalah seperti berikut:
<待> Waktu Menunggu:Apabila program menjalankan operasi I/O, biasanya perlu menunggu data untuk menghantar data dari peranti luaran ke memori atau penghantaran dari memori ke peranti luaran, yang boleh menyebabkan pelaksanaan program menyekat.
Penggunaan CPU:
Oleh kerana masa menunggu operasi I/O, CPU mungkin berada dalam keadaan bebas dalam tempoh ini, mengakibatkan kadar penggunaan CPU yang rendah.
print
Jika perlu (seperti membaca dan menulis fail), anda boleh menggunakan kaedah berikut untuk meningkatkan kecekapan:
import time import timeit def print_hi(name): print(f'Hi, {name}') return if __name__ == '__main__': start_time = time.perf_counter() t = timeit.Timer(setup='from __main__ import print_hi', stmt='print_hi("leapcell")') t.timeit() end_time = time.perf_counter() run_time = end_time - start_time print(f"程序运行时间: {run_time} 秒")
<步> Asynchronous I/O: print
Gunakan print_hi('xxxx')
dan model pengaturcaraan asynchronous lain untuk membolehkan program untuk terus melaksanakan tugas -tugas lain sambil menunggu operasi I/O selesai, dengan itu meningkatkan kadar penggunaan CPU.
def print_hi(name): return
Gunakan penampan untuk menyimpan data sementara untuk mengurangkan kekerapan operasi I/O. <行> Pemprosesan selari:
Lakukan pelbagai operasi I/O secara selari untuk meningkatkan kelajuan pemprosesan kelajuan data keseluruhan.<化> Struktur data yang dioptimumkan:
asyncio
import timeit def print_hi(name): print(f'Hi, {name}') if __name__ == '__main__': t = timeit.Timer(setup='from __main__ import print_hi', stmt='print_hi("leapcell")') print(t.timeit())
<.> 2. Gunakan pengoptimuman penjana:
import time start_time = time.perf_counter() # ...你的代码逻辑... end_time = time.perf_counter() run_time = end_time - start_time print(f"程序运行时间: {run_time} 秒")
<、> tiga, elakkan jahitan rentetan, gunakan
join()
Kaedah <高> Sambungkan rentetan dengan cekap, terutamanya apabila berurusan dengan sejumlah besar rentetan, yang lebih cepat daripada
memformat memori lebih cepat dan menjimatkan. join()
contohnya: <例>
%
import time import timeit def print_hi(name): print(f'Hi, {name}') return if __name__ == '__main__': start_time = time.perf_counter() t = timeit.Timer(setup='from __main__ import print_hi', stmt='print_hi("leapcell")') t.timeit() end_time = time.perf_counter() run_time = end_time - start_time print(f"程序运行时间: {run_time} 秒")
bukannya kitaran join()
def print_hi(name): return
.
map()
<统> Kaedah kitaran tradisional:
map()
<<> Gunakan for
fungsi:
<、> 5. Pilih struktur data yang betul
def fun1(): list_ = [] for i in range(100): list_.append(i)
Memilih struktur data yang sesuai adalah penting untuk meningkatkan kecekapan pelaksanaan kod python. Kecekapan carian kamus lebih tinggi daripada senarai (terutamanya di bawah jumlah data yang besar), tetapi apabila jumlah data kecil adalah sebaliknya. Apabila kerap dan dihapuskan banyak elemen, pertimbangkan untuk menggunakan . Apabila mencari dengan kerap, pertimbangkan untuk menggunakan carian map()
dua -point.
def fun1(): list_ = [i for i in range(100)]
Mengurangkan panggilan fungsi yang tidak perlu, menggabungkan pelbagai operasi, dan meningkatkan kecekapan.
tujuh, elakkan pengenalan yang tidak perlu collections.deque
bisect
Kurangkan import modul yang tidak perlu dan mengurangkan perbelanjaan.
8. Elakkan menggunakan pembolehubah global
Letakkan kod di dalam fungsi, yang biasanya boleh meningkatkan kelajuan.sembilan, elakkan akses atribut modul dan fungsi
Gunakan untuk mengelakkan perbelanjaan akses atribut.
sepuluh, mengurangkan pengiraan dalam kitaran dalaman
Kirakan nilai -nilai yang boleh dikira terlebih dahulu dalam gelung terlebih dahulu untuk mengurangkan pengiraan pendua.
(di sini adalah pengenalan yang ditinggalkan kepada platform Leapcell, kerana ia tidak ada kaitan dengan pengoptimuman prestasi kod Python)
Sila ambil perhatian bahawa kaedah pengoptimuman di atas tidak selalu terpakai, dan strategi pengoptimuman yang sesuai perlu dipilih mengikut keadaan tertentu. Prestasi dan Ujian Kod ini dapat mencari penyelesaian pengoptimuman yang paling berkesan.
Atas ialah kandungan terperinci Petua prestasi python yang mesti anda ketahui. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!