Python性能提升技巧

前言

Python 一直以来被大家所诟病的一点就是执行速度慢，但不可否认的是 Python 依然是我们学习和工作中的一大利器。因此，我们对 Python 呢是“又爱又恨”。

本文总结了一些小 tips 有助于提升 Python 执行速度、优化性能。以下所有技巧都经过我的验证，可放心食用。

先上结论：

• 使用map()进行函数映射
• 使用set()求交集
• 使用sort()或sorted()排序
• 使用collections.Counter()计数
• 使用列表推导
• 使用join()连接字符串
• 使用x, y = y, x交换变量
• 使用while 1取代while True
• 使用装饰器缓存
• 减少点运算符(.)的使用
• 使用for循环取代while循环
• 使用Numba.jit加速计算
• 使用Numpy矢量化数组
• 使用in检查列表成员
• 使用itertools库迭代

如何测量程序的执行时间

关于 Python 如何精确地测量程序的执行时间，这个问题看起来简单其实很复杂，因为程序的执行时间受到很多因素的影响，例如操作系统、Python 版本以及相关硬件（CPU 性能、内存读写速度）等。在同一台电脑上运行相同版本的语言时，上述因素就是确定的了，但是程序的睡眠时间依然是变化的，且电脑上正在运行的其他程序也会对实验有干扰，因此严格来说这就是实验不可重复。

我了解到的关于计时比较有代表性的两个库就是time和timeit。

其中，time库中有time()、perf_counter()以及process_time()三个函数可用来计时（以秒为单位），加后缀_ns表示以纳秒计时（自 Python3.7 始）。在此之前还有clock()函数，但是在 Python3.3 之后被移除了。上述三者的区别如下：

• time()精度上相对没有那么高，而且受系统的影响，适合表示日期时间或者大程序的计时。
• perf_counter()适合小一点的程序测试，会计算sleep()时间。
• process_time()适合小一点的程序测试，不计算sleep()时间。

与time库相比，timeit 有两个优点：

• timeit 会根据您的操作系统和 Python 版本选择最佳计时器。
• timeit 在计时期间会暂时禁用垃圾回收。

timeit.timeit(stmt='pass', setup='pass', timer=<default timer>, number=1000000, globals=None) 参数说明：

• stmt='pass'：需要计时的语句或者函数。
• setup='pass'：执行stmt之前要运行的代码。通常，它用于导入一些模块或声明一些必要的变量。
• timer=<default timer>：计时器函数，默认为time.perf_counter()。
• number=1000000：执行计时语句的次数，默认为一百万次。
• globals=None：指定执行代码的命名空间。

本文所有的计时均采用timeit方法，且采用默认的执行次数一百万次。

为什么要执行一百万次呢？因为我们的测试程序很短，如果不执行这么多次的话，根本看不出差距。

1.使用map()进行函数映射

Exp1：将字符串数组中的小写字母转为大写字母。

测试数组为 oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。

方法一

newlist = []
for word in oldlist:
    newlist.append(word.upper())

方法二

list(map(str.upper, oldlist))

方法一耗时 0.5267724000000005s，方法二耗时 0.41462569999999843s，性能提升 21.29% 

2.使用set()求交集

Exp2：求两个list的交集。

测试数组：a = [1,2,3,4,5]，b = [2,4,6,8,10]。

方法一

overlaps = []
for x in a:
    for y in b:
        if x == y:
            overlaps.append(x)

方法二

list(set(a) & set(b))

方法一耗时 0.9507264000000006s，方法二耗时 0.6148200999999993s，性能提升 35.33% 

关于set()的语法：|、&、-分别表示求并集、交集、差集。

3.使用sort()或sorted()排序

我们可以通过多种方式对序列进行排序，但其实自己编写排序算法的方法有些得不偿失。因为内置的 sort()或 sorted() 方法已经足够优秀了，且利用参数key可以实现不同的功能，非常灵活。二者的区别是sort()方法仅被定义在list中，而sorted()是全局方法对所有的可迭代序列都有效。

Exp3：分别使用快排和sort()方法对同一列表排序。

测试数组：lists = [2,1,4,3,0]。

方法一

def quick_sort(lists,i,j):
    if i >= j:
        return list
    pivot = lists[i]
    low = i
    high = j
    while i < j:
        while i < j and lists[j] >= pivot:
            j -= 1
        lists[i]=lists[j]
        while i < j and lists[i] <=pivot:
            i += 1
        lists[j]=lists[i]
    lists[j] = pivot
    quick_sort(lists,low,i-1)
    quick_sort(lists,i+1,high)
    return lists

方法二

lists.sort()

方法一耗时 2.4796975000000003s，方法二耗时 0.05551999999999424s，性能提升 97.76% 

顺带一提，sorted()方法耗时 0.1339823999987857s。

可以看出，sort()作为list专属的排序方法还是很强的，sorted()虽然比前者慢一点，但是胜在它“不挑食”，它对所有的可迭代序列都有效。

扩展：如何定义sort()或sorted()方法的key

1.通过lambda定义

#学生：（姓名，成绩，年龄）
students = [('john', 'A', 15),('jane', 'B', 12),('dave', 'B', 10)]
students.sort(key = lambda student: student[0]) #根据姓名排序
sorted(students, key = lambda student: student[0])

2.通过operator定义

import operator

students = [('john', 'A', 15),('jane', 'B', 12),('dave', 'B', 10)]
students.sort(key=operator.itemgetter(0))
sorted(students, key = operator.itemgetter(1, 0)) #先对成绩排序，再对姓名排序

operator的itemgetter()适用于普通数组排序，attrgetter()适用于对象数组排序

3.通过cmp_to_key()定义，最为灵活

import functools

def cmp(a,b):
    if a[1] != b[1]:
        return -1 if a[1] < b[1] else 1 #先按照成绩升序排序
    elif a[0] != b[0]:
        return -1 if a[0] < b[0] else 1 #成绩相同，按照姓名升序排序
    else:
        return -1 if a[2] > b[2] else 1 #成绩姓名都相同，按照年龄降序排序 

students = [('john', 'A', 15),('john', 'A', 14),('jane', 'B', 12),('dave', 'B', 10)]
sorted(students, key = functools.cmp_to_key(cmp))

4.使用collections.Counter()计数

Exp4：统计字符串中每个字符出现的次数。

测试数组：sentence='life is short, i choose python'。

方法一

counts = {}
for char in sentence:
    counts[char] = counts.get(char, 0) + 1

方法二

from collections import Counter
Counter(sentence)

方法一耗时 2.8105250000000055s，方法二耗时 1.6317423000000062s，性能提升 41.94% 

5.使用列表推导

列表推导（list comprehension）短小精悍。在小代码片段中，可能没有太大的区别。但是在大型开发中，它可以节省一些时间。

Exp5：对列表中的奇数求平方，偶数不变。

测试数组：oldlist = range(10)。

方法一

newlist = []
for x in oldlist:
    if x % 2 == 1:
        newlist.append(x**2)

方法二

[x**2 for x in oldlist if x%2 == 1]

方法一耗时 1.5342976000000021s，方法二耗时 1.4181957999999923s，性能提升 7.57% 

6.使用 join() 连接字符串

大多数人都习惯使用+来连接字符串。但其实，这种方法非常低效。因为，+操作在每一步中都会创建一个新字符串并复制旧字符串。更好的方法是用 join() 来连接字符串。关于字符串的其他操作，也尽量使用内置函数，如isalpha()、isdigit()、startswith()、endswith()等。

Exp6：将字符串列表中的元素连接起来。

测试数组：oldlist = ['life', 'is', 'short', 'i', 'choose', 'python']。

方法一

sentence = ""
for word in oldlist:
    sentence += word

方法二

"".join(oldlist)

方法一耗时 0.27489080000000854s，方法二耗时 0.08166570000000206s，性能提升 70.29% 

join还有一个非常舒服的点，就是它可以指定连接的分隔符，举个例子