提升Python程序運行效率的6個方法

雖然Python讓許多編程任務變得容易，但它可能并不總能為緊急的任務提供最佳性能。你可以為緊急的任務使用C、C++或機器語言編寫的外部包，這樣可以提高應用程序的性能。這些包都是不能跨平臺的，這意味著你需要根據你正在使用的平臺，尋找合適的包。簡而言之，這個方案放棄了一些應用程序的可移植性，以換取只有在特定主機上直接編程才能獲得的程序性能。這里有一些你應該考慮加入到你的“性能兵工廠”的包：

這些包以不同的方式提高性能。例如，Pyrex能夠擴展Python所能做的事情，例如使用C的數據類型來讓內存任務更加有效或直接。PyInIne讓你在Python應用程序中直接使用C代碼。程序中的內聯代碼單獨編譯，但它在利用C語言所能提供的效率的同時，也讓所有的代碼都在同一個地方。
2.排序時使用鍵（key）

有很多老的Python排序代碼，它們在你創建一個自定義的排序時花費你的時間，但在運行時確實能加速執行排序過程。元素排序的最好方法是盡可能使用鍵（key）和默認的sort()排序方法。例如，考慮下面的代碼：

import operator
somelist = [(1, 5, 8), (6, 2, 4), (9, 7, 5)]
somelist.sort(key=operator.itemgetter(0))
somelist
#Output = [(1, 5, 8), (6, 2, 4), (9, 7, 5)]
somelist.sort(key=operator.itemgetter(1))
somelist
#Output = [(6, 2, 4), (1, 5, 8), (9, 7, 5)]
somelist.sort(key=operator.itemgetter(2))
somelist
#Output = [(6, 2, 4), (9, 7, 5), (1, 5, 8)],

每一個實例中，根據你選擇的作為key參數部分的索引，數組進行了排序。類似于利用數字進行排序，這種方法同樣適用于利用字符串排序。
3.優化循環

每種編程語言都會強調需要優化循環。當使用Python的時候，你可以依靠大量的技巧使得循環運行得更快。然而，開發者經常漏掉的一個方法是：避免在一個循環中使用點操作。例如，考慮下面的代碼：

lowerlist = ['this', 'is', 'lowercase']
upper = str.upper
upperlist = []
append = upperlist.append
for word in lowerlist:
 append(upper(word))
 print(upperlist)
 #Output = ['THIS', 'IS', 'LOWERCASE']

每一次你調用方法str.upper，Python都會求該方法的值。然而，如果你用一個變量代替求得的值，值就變成了已知的，Python就可以更快地執行任務。優化循環的關鍵，是要減少Python在循環內部執行的工作量，因為Python原生的解釋器在那種情況下，真的會減緩執行的速度。

（注意：優化循環的方法有很多，這只是其中的一個。例如，許多程序員都會說，列表推導是在循環中提高執行速度的最好方式。這里的關鍵是，優化循環是程序取得更高的執行速度的更好方式之一。）
4.使用較新版本的Python

在網上搜索Python信息，都會發現無數人在問，從Python一個版本遷移到另一個版本的問題的信息。一般來說，Python的每一個版本都包含了能讓其比上個版本運行更快的優化。版本遷移的限制因素是，你喜歡的那些庫是否已經遷移到Python的較新版本。相比于詢問是否應該進行版本遷移，關鍵問題是確定一個新版本什么時候有足夠的支持，以保證遷移的可行性。

你需要驗證你的代碼仍然運行。你需要在Python的新版本下使用你獲得的新庫，然后檢查你的應用程序是否需要重大改變。只有在你作出必要的更正之后，你才會注意到版本之間的差別。然而，如果你正好確保你的應用程序能在新版本下運行，而不需要任何改變，你可能會錯過那些版本升級帶來的新特性。一旦你進行了遷移，你應該為你的新版本下的應用程序寫一個說明，檢查有問題的地方，并且優先考慮利用新版本的特性去更新那些地方。這樣用戶將會在升級的過程中更早的看到一個更大的性能提升。
5.嘗試多種編碼方法

如果每次你創建一個應用程序都是用相同的編碼方法，幾乎肯定會導致一些你的應用程序比它能夠達到的運行效率慢的情況。作為分析過程的一部分，你可以嘗試一些實驗。例如，在一個字典中管理一些元素，你可以采用安全的方法確定元素是否已經存在并更新，或者你可以直接添加元素，然后作為異常處理該元素不存在情況。考慮第一個編碼的例子：

n = 16
myDict = {}
for i in range(0, n):
 char = 'abcd'[i%4]
 if char not in myDict:
 myDict[char] = 0
 myDict[char] += 1
 print(myDict)

這段代碼通常會在myDict開始為空時運行得更快。然而，當mydict通常被數據填充（或者至少大部分被充填）時，另一種方法效果更好。

n = 16
myDict = {}
for i in range(0, n):
 char = 'abcd'[i%4]
 try:
 myDict[char] += 1
 except KeyError:
 myDict[char] = 1
 print(myDict)

兩種情況下具有相同的輸出：{‘d': 4, ‘c': 4, ‘b': 4, ‘a': 4}。唯一的不同是這個輸出是如何得到的。跳出固定的思維模式，創造新的編碼技巧，能夠幫助你利用你的應用程序獲得更快的結果。
6.交叉編譯應用程序

開發者有時會忘記，電腦實際上是不懂任何用于創建現代應用程序的語言，電腦所能懂得是機器代碼。為了能在電腦上運行應用程序，你使用一個應用將人類可讀的代碼你轉換成計算機能理解的。有時候用一種語言，比如Python，寫一個應用，并用另一種語言，比如C++，運行它，從性能的角度來看是有意義的。這取決于你想要應用程序去做什么，以及主機系統可以提供的資源。

一個有趣的交叉編譯器，Nuitka，可以將你的Python代碼轉換為C++代碼。這么做的結果是，你可以在原生模式下執行應用程序，而不是依靠解釋器。根據平臺和任務，你可以看到一個顯著的性能提升。

（注意：Nuitka目前還處于測試階段，所以用它來產品程序時需要小心。實際上，目前最好將其用于實驗。現在也有一些關于交叉編譯是否是得到更好性能的最佳方式的討論。開發者已經利用交叉編譯好幾年了，目的是實現特定的目標，比如更好的應用程序的速度。記住，每一個解決方案都會有得有失，你應該在將一個解決方案用于生產環境之前就好好考慮一下得失情況。）

在使用一個交叉編譯器時，要確保它支持你使用的Python的版本。Nuitka支持Python2.6、2.7、3.2和3.3。想讓這個方案發揮作用，你需要一個Python解釋器和一個C++編譯器。Nuitka支持多種C++編譯器，包括Microsoft Visual Studio、MinGW 和 Clang/LLVM。

交叉編譯也可能帶來一些嚴重的負面影響。例如，當利用Nuitka工作時，你會發現即使一個小程序也能消耗很大的硬盤空間，這是因為Nuitka使用大量的動態鏈接庫（DLLs）實現Python的功能。所以當你面對一個資源有限的系統時，這個方案可能不會很好的起作用。
總結

這六個技巧中的任意一個，都可以幫助你創造更快的Python程序。但任何技巧都不是萬能的，不能每次都起作用。有些技巧在Python的特定版本下比其他技巧的更有效——甚至系統平臺也能影響它們的效果。你需要配置你的應用，確定哪個地方讓其運行緩慢，然后嘗試似乎能最好的解決這些問題的一些技巧。

聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com