python如何高性能編程

本篇文章給大家分享的是有關(guān)python如何高性能編程，小編覺得挺實用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

閱讀 Zen of Python,在Python解析器中輸入 import this. 一個犀利的Python新手可能會注意到"解析"一詞, 認為Python不過是另一門腳本語言. "它肯定很慢!"

毫無疑問Python程序沒有編譯型語言高效快速. 甚至Python擁護者們會告訴你Python不適合這些領(lǐng)域. 然而,YouTube已用Python服務(wù)于每小時4千萬視頻的請求. 你所要做的就是編寫高效的代碼和需要時使用外部實現(xiàn)(C/C++)代碼. 這里有一些建議,可以幫助你成為一個更好的Python開發(fā)者:

1、使用內(nèi)建函數(shù):    你可以用Python寫出高效的代碼,但很難擊敗內(nèi)建函數(shù). 經(jīng)查證. 他們非?？焖?     

2、使用join()連接字符串.      你可以使用 "+" 來連接字符串. 但由于string在Python中是不可變的,每一個"+"操作都會創(chuàng)建一個新的字符串并復(fù)制舊內(nèi)容. 常見用法是使用Python的數(shù)組模塊單個的修改字符;當(dāng)完成的時候,使用 join() 函數(shù)創(chuàng)建最終字符串.

>>> #This is good to glue a large number of strings
>>> for chunk in input():
>>>    my_string.join(chunk)

3. 使用Python多重賦值，交換變量這在Python中即優(yōu)雅又快速:

>>> x, y = y, x

這樣很慢:

>>> temp = x
>>> x = y
>>> y = temp

4. 盡量使用局部變量

Python 檢索局部變量比檢索全局變量快. 這意味著,避免 "global" 關(guān)鍵字.

5. 盡量使用 "in"

     使用 "in" 關(guān)鍵字. 簡潔而快速.
     >>> for key in sequence:
     >>>     print “found”

6. 使用延遲加載加速

將 "import" 聲明移入函數(shù)中,僅在需要的時候?qū)? 換句話說,如果某些模塊不需馬上使用,稍后導(dǎo)入他們. 例如,你不必在一開使就導(dǎo)入大量模塊而加速程序啟動. 該技術(shù)不能提高整體性能. 但它可以幫助你更均衡的分配模塊的加載時間.

7. 為無限循環(huán)使用 "while 1"

有時候在程序中你需一個無限循環(huán).(例如一個監(jiān)聽套接字的實例) 盡管 "while true" 能完成同樣的事, 但 "while 1" 是單步運算. 這招能提高你的Python性能.

     >>> while 1:
     >>>    #do stuff, faster with while 1
     >>> while True:
     >>>    # do stuff, slower with wile True

8. 使用list comprehension

從Python 2.0 開始,你可以使用 list comprehension 取代大量的 "for" 和 "while" 塊. 使用List comprehension通常更快，Python解析器能在循環(huán)中發(fā)現(xiàn)它是一個可預(yù)測的模式而被優(yōu)化.額外好處是，list comprehension更具可讀性（函數(shù)式編程），并在大多數(shù)情況下，它可以節(jié)省一個額外的計數(shù)變量。例如，讓我們計算1到10之間的偶數(shù)個數(shù)：

     >>> # the good way to iterate a range
     >>> evens = [ i for i in range(10) if i%2 == 0]
     >>> [0, 2, 4, 6, 8]
     >>> # the following is not so Pythonic
     >>> i = 0
     >>> evens = []
     >>> while i < 10:
     >>>    if i %2 == 0: evens.append(i)
     >>>    i += 1
     >>> [0, 2, 4, 6, 8]

9. 使用xrange()處理長序列：

這樣可為你節(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。而相反 range()，它將直接給你一個完整的元素列表，用于循環(huán)時會有不必要的開銷。

10. 使用 Python generator：

     這也可以節(jié)省內(nèi)存和提高性能。例如一個視頻流，你可以一個一個字節(jié)塊的發(fā)送，而不是整個流。例如，      
     >>> chunk = ( 1000 * i for i in xrange(1000))
     >>> chunk
     <generator object at 0x7f65d90dcaa0>
     >>> chunk.next()
     0
     >>> chunk.next()
     1000
     >>> chunk.next()
     2000

11. 了解itertools模塊：

     該模塊對迭代和組合是非常有效的。讓我們生成一個列表[1，2，3]的所有排列組合,僅需三行Python代碼：
     >>> import itertools
     >>> iter = itertools.permutations([1,2,3])
     >>> list(iter)
     [(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1)]

12. 學(xué)習(xí)bisect模塊保持列表排序：

這是一個免費的二分查找實現(xiàn)和快速插入有序序列的工具。也就是說，你可以使用：

     >>> import bisect
     >>> bisect.insort(list, element)

你已將一個元素插入列表中, 而你不需要再次調(diào)用 sort() 來保持容器的排序, 因為這在長序列中這會非常昂貴.

13. 理解Python列表，實際上是一個數(shù)組：

Python中的列表實現(xiàn)并不是以人們通常談?wù)摰挠嬎銠C科學(xué)中的普通單鏈表實現(xiàn)的。Python中的列表是一個數(shù)組。也就是說，你可以以常量時間O(1) 檢索列表的某個元素，而不需要從頭開始搜索。這有什么意義呢？ Python開發(fā)人員使用列表對象insert（）時, 需三思. 例如：>>> list.insert（0，item）

在列表的前面插入一個元素效率不高, 因為列表中的所有后續(xù)下標(biāo)不得不改變. 然而，您可以使用list.append()在列表的尾端有效添加元素. 挑先deque，如果你想快速的在兩插入或時。它是快速的，因為在Python中的deque用雙鏈表實現(xiàn)。不再多說。  

14. 使用dict 和 set 測試成員：      檢查一個元素是在dicitonary或set是否存在 這在Python中非?？斓摹＿@是因為dict和set使用哈希表來實現(xiàn)。查找效率可以達到O(1)。因此，如果您需要經(jīng)常檢查成員，使用 set 或 dict做為你的容器.

     >>> mylist = ['a', 'b', 'c'] #Slower, check membership with list:
     >>> ‘c’ in mylist
     >>> True
     >>> myset = set(['a', 'b', 'c']) # Faster, check membership with set:
     >>> ‘c’ in myset:
     >>> True

15. 使用Schwartzian Transform 的 sort():

原生的list.sort（）函數(shù)是非?？斓?。 Python會按自然順序排序列表。有時，你需要非自然順序的排序。例如，你要根據(jù)服務(wù)器位置排序的IP地址。 Python支持自定義的比較，你可以使用list.sort（CMP（）），這會比list.sort（）慢，因為增加了函數(shù)調(diào)用的開銷。如果性能有問 題，你可以申請Guttman-Rosler Transform,基于Schwartzian Transform. 它只對實際的要用的算法有興趣，它的簡要工作原理是，你可以變換列表，并調(diào)用Python內(nèi)置list.sort（） - > 更快，而無需使用list.sort（CMP（） ）->慢。

16. Python裝飾器緩存結(jié)果：

  “@”符號是Python的裝飾語法。它不只用于追查，鎖或日志。你可以裝飾一個Python函數(shù)，記住調(diào)用結(jié)果供后續(xù)使用。這種技術(shù)被稱為memoization的。下面是一個例子：

     >>> from functools import wraps
     >>> def memo(f):
     >>>    cache = { }
     >>>    @wraps(f)
     >>>    def  wrap(*arg):
     >>>        if arg not in cache: cache['arg'] = f(*arg)
     >>>        return cache['arg']
     >>>    return wrap

我們也可以對 Fibonacci 函數(shù)使用裝飾器:

     >>> @memo
     >>> def fib(i):
     >>>    if i < 2: return 1
     >>>    return fib(i-1) + fib(i-2)

這里的關(guān)鍵思想是:增強函數(shù)(裝飾)函數(shù),記住每個已經(jīng)計算的Fibonacci值;如果它們在緩存中,就不需要再計算了.

17. 理解Python的GIL（全局解釋器鎖）：

GIL是必要的，因為CPython的內(nèi)存管理是非線程安全的。你不能簡單地創(chuàng)建多個線程，并希望Python能在多核心的機器上運行得更快。這是因為 GIL將會防止多個原生線程同時執(zhí)行Python字節(jié)碼。換句話說，GIL將序列化您的所有線程。然而，您可以使用線程管理多個派生進程加速程序，這些程 序獨立的運行于你的Python代碼外。

18. 像熟悉文檔一樣的熟悉Python源代碼：

Python有些模塊為了性能使用C實現(xiàn)。當(dāng)性能至關(guān)重要而官方文檔不足時，可以自由探索源代碼。你可以找到底層的數(shù)據(jù)結(jié)構(gòu)和算法。 Python的源碼庫就是一個很棒的地方：http://svn.python.org/view/python/trunk/Modules

結(jié)論：

這些不能替代大腦思考. 打開引擎蓋充分了解是開發(fā)者的職責(zé),使得他們不會快速拼湊出一個垃圾設(shè)計. 本文的Python建議可以幫助你獲得好的性能. 如果速度還不夠快, Python將需要借助外力:分析和運行外部代碼.我們將在本文的第二部分中涉及.  

以上就是python如何高性能編程，小編相信有部分知識點可能是我們?nèi)粘９ぷ鲿姷交蛴玫降?。希望你能通過這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注億速云行業(yè)資訊頻道。