选择了脚本语言就要忍受其速度，这句话在某种程度上说明了 python 作为脚本的一个不足之处，那就是执行效率和性能不够理想，特别是在 performance 较差的机器上，因此有必要进行一定的代码优化来提高程序的执行效率。如何进行 Python 性能优化，是本文探讨的主要问题。本文会涉及常见的代码优化方法，性能优化工具的使用以及如何诊断代码的性能瓶颈等内容，希望可以给 Python 开发人员一定的参考。
Python 代码优化常见技巧
代码优化能够让程序运行更快，它是在不改变程序运行结果的情况下使得程序的运行效率更高，根据 80/20 原则，实现程序的重构、优化、扩展以及文档相关的事情通常需要消耗 80% 的工作量。优化通常包含两方面的内容：减小代码的体积，提高代码的运行效率。
改进算法，选择合适的数据结构
一个良好的算法能够对性能起到关键作用，因此性能改进的首要点是对算法的改进。在算法的时间复杂度排序上依次是：
O(1) -> O(lg n) -> O(n lg n) -> O(n^2) -> O(n^3) -> O(n^k) -> O(k^n) -> O(n!)
因此如果能够在时间复杂度上对算法进行一定的改进，对性能的提高不言而喻。但对具体算法的改进不属于本文讨论的范围，读者可以自行参考这方面资料。下面的内容将集中讨论数据结构的选择。
- 字典 (dictionary) 与列表 (list)
Python 字典中使用了 hash table，因此查找操作的复杂度为 O(1)，而 list 实际是个数组，在 list 中，查找需要遍历整个 list，其复杂度为 O(n)，因此对成员的查找访问等操作字典要比 list 更快。
清单 1. 代码 dict.py
03 |
list = ['a','b','is','python','jason','hello','hill','with','phone','test', |
04 |
'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd'] |
08 |
for i in range (1000000): |
09 |
for find in ['is','hat','new','list','old','.']: |
12 |
print "total run time:" |
上述代码运行大概需要 16.09seconds。如果去掉行 #list = dict.fromkeys(list,True) 的注释，将 list 转换为字典之后再运行，时间大约为 8.375 seconds，效率大概提高了一半。因此在需要多数据成员进行频繁的查找或者访问的时候，使用 dict 而不是 list 是一个较好的选择。
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，并集或者差的问题可以转换为 set 来操作。
清单 2. 求 list 的交集：
03 |
lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44] |
06 |
for i in range (1000000): |
10 |
intersection.append(a) |
13 |
print "total run time:" |
上述程序的运行时间大概为：
total run time:
38.4070000648
清单 3. 使用 set 求交集
3 |
lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44] |
6 |
for i in range (1000000): |
7 |
list(set(lista)&set(listb)) |
8 |
print "total run time:" |
改为 set 后程序的运行时间缩减为 8.75，提高了 4 倍多，运行时间大大缩短。读者可以自行使用表 1 其他的操作进行测试。
表 1. set 常见用法
| 语法 |
操作 |
说明 |
| set(list1) | set(list2) |
union |
包含 list1 和 list2 所有数据的新集合 |
| 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 中出现但不在 list2 中出现的元素的集合 |
对循环的优化
对循环的优化所遵循的原则是尽量减少循环过程中的计算量，有多重循环的尽量将内层的计算提到上一层。 下面通过实例来对比循环优化后所带来的性能的提高。程序清单 4 中，如果不进行循环优化，其大概的运行时间约为 132.375。
清单 4. 为进行循环优化前
03 |
lista = [1,2,3,4,5,6,7,8,9,10] |
04 |
listb =[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01] |
05 |
for i in range (1000000): |
06 |
for a in range(len(lista)): |
07 |
for b in range(len(listb)): |
09 |
print "total run time:" |
现在进行如下优化，将长度计算提到循环外，range 用 xrange 代替，同时将第三层的计算 lista[a] 提到循环的第二层。
清单 5. 循环优化后
时间:2012-07-30 07:46
来源:开源中国社区
作者:IBM/DW
原文链接
------分隔线----------------------------
3G Eden
RSS