Python 是一种脚本语言，相比 C/C++ 这样的编译语言，在效率和性能方面存在一些不足。但是，有很多时候，Python 的效率并没有想象中的那么差劲或糟糕。
在此对一些 Python 代码加速运行的技巧进行部分整理和分享，后续大家写代码的时候，可以注意一下。
（1）避免全局变量
# 不推荐写法。
import math
size = 10000
for x in range(size):
for y in range(size):
z = math.sqrt(x) + math.sqrt(y)
许多程序员刚开始会用 Python 语言写一些简单的脚本，当编写脚本时，通常习惯了直接将其写为全局变量，例如上面的代码。但是，由于全局变量和局部变量实现方式不同，定义在全局范围内的代码运行速度会比定义在函数中的慢不少。通过将脚本语句放入到函数中，通常可带来 15% - 30% 的速度提升。
# 推荐写法。
import math
def main(): # 定义到函数中，以减少全部变量使用
size = 10000
for x in range(size):
for y in range(size):
z = math.sqrt(x) + math.sqrt(y)
main()
（2）避免模块和函数属性访问
# 不推荐写法。
import math
def computeSqrt(size: int):
result = []
for i in range(size):
result.append(math.sqrt(i))
return result
def main():
size = 10000
for _ in range(size):
result = computeSqrt(size)
main()
每次使用属性访问操作符时会触发特定的方法，如getattribute() 和getattr()，这些方法会进行字典操作，因此会带来额外的时间开销。通过 from import 语句，可以消除属性访问。
# 推荐写法。
import math
def computeSqrt(size: int):
result = []
append = result.append
sqrt = math.sqrt # 赋值给局部变量
for i in range(size):
append(sqrt(i)) # 避免 result.append 和 math.sqrt 的使用
return result
def main():
size = 10000
for _ in range(size):
result = computeSqrt(size)
main()
（3）避免类内属性访问
# 不推荐写法。
import math
from typing import List
class DemoClass:
def __init__(self, value: int):
self._value = value
def computeSqrt(self, size: int) -> List[float]:
result = []
append = result.append
sqrt = math.sqrt
for _ in range(size):
append(sqrt(self._value))
return result
def main():
size = 10000
for _ in range(size):
demo_instance = DemoClass(size)
result = demo_instance.computeSqrt(size)
main()
避免.的原则也适用于类内属性，访问 self._value 的速度会比访问一个局部变量更慢一些。通过将需要频繁访问的类内属性赋值给一个局部变量，可以提升代码运行速度。
# 推荐写法。
import math
from typing import List
class DemoClass:
def __init__(self, value: int):
self._value = value
def computeSqrt(self, size: int) -> List[float]:
result = []
append = result.append
sqrt = math.sqrt
value = self._value
for _ in range(size):
append(sqrt(value)) # 避免 self._value 的使用
return result
def main():
size = 10000
for _ in range(size):
demo_instance = DemoClass(size)
demo_instance.computeSqrt(size)
main()
（4）字符串拼接用 join 而不是 +
# 不推荐写法，
import string
from typing import List
def concatString(string_list: List[str]) -> str:
result = ''
for str_i in string_list:
result += str_i
return result
def main():
string_list = list(string.ascii_letters * 100)
for _ in range(10000):
result = concatString(string_list)
main()
当使用 a + b 拼接字符串时，由于 Python 中字符串是不可变对象，其会申请一块内存空间，将 a 和 b 分别复制到该新申请的内存空间中。因此，如果要拼接 n 个字符串，会产生 n-1 个中间结果，每产生一个中间结果都需要申请和复制一次内存，严重影响运行效率。而使用 join() 拼接字符串时，会首先计算出需要申请的总的内存空间，然后一次性地申请所需内存，并将每个字符串元素复制到该内存中去。
# 推荐写法。
import string
from typing import List
def concatString(string_list: List[str]) -> str:
return ''.join(string_list) # 使用 join 而不是 +
def main():
string_list = list(string.ascii_letters * 100)
for _ in range(10000):
result = concatString(string_list)
main()
（5）利用 if 条件的短路特性
# 不推荐写法。
from typing import List
def concatString(string_list: List[str]) -> str:
abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'}
abbr_count = 0
result = ''
for str_i in string_list:
if str_i in abbreviations:
result += str_i
return result
def main():
for _ in range(10000):
string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.']
result = concatString(string_list)
main()
if 条件的短路特性是指对 if a and b 这样的语句， 当 a 为 False 时将直接返回，不再计算 b；对于 if a or b 这样的语句，当 a 为 True 时将直接返回，不再计算 b。因此， 为了节约运行时间，对于 or 语句，应该将值为 True 可能性比较高的变量写在 or 前，而 and 应该推后。
# 推荐写法。
from typing import List
def concatString(string_list: List[str]) -> str:
abbreviations = {'cf.', 'e.g.', 'ex.', 'etc.', 'flg.', 'i.e.', 'Mr.', 'vs.'}
abbr_count = 0
result = ''
for str_i in string_list:
if str_i[-1] == '.' and str_i in abbreviations: # 利用 if 条件的短路特性
result += str_i
return result
def main():
for _ in range(10000):
string_list = ['Mr.', 'Hat', 'is', 'Chasing', 'the', 'black', 'cat', '.']
result = concatString(string_list)
main()
（6）用 for 循环代替 while 循环
# 不推荐写法。
def computeSum(size: int) -> int:
sum_ = 0
i = 0
while i < size:
sum_ += i
i += 1
return sum_
def main():
size = 10000
for _ in range(size):
sum_ = computeSum(size)
main()
Python 的 for 循环比 while 循环快不少。
# 推荐写法。
def computeSum(size: int) -> int:
sum_ = 0
for i in range(size): # for 循环代替 while 循环
sum_ += i
return sum_
def main():
size = 10000
for _ in range(size):
sum_ = computeSum(size)
main()
（7）将重复的代码移到条件语句之外
应该始终寻找移除重复代码的方法。这是提升代码能力的好办法。
有时，在条件的两个分支上出现重复代码，这意味这段代码将始终执行。因此这段重复的代码可以从条件中移出，放在条件之外执行。
#不推荐写法。
if sold > DISCOUNT_AMOUNT:
total = sold * DISCOUNT_PRICE
label = f'Total: {total}'
else:
total = sold * PRICE
label = f'Total: {total}'
通过将对 label 变量赋值移到到条件之外，我们删除了重复的代码行，并明确了条件实际控制的内容，就是计算 total。
#推荐写法。
if sold > DISCOUNT_AMOUNT:
total = sold * DISCOUNT_PRICE
else:
total = sold * PRICE
label = f'Total: {total}'
（8）将内部循环中的 yield 替换为 yield from
经常忽略的一个小窍门是 Python 的 yield 关键字有对应的为 collections 准备的 yield from。因此无需使用 for 循环遍历集合。这使代码变短，并删除 for 中的额外变量。而且消除 for 循环后，yield from 使程序运行效率提高约 15%。
#不推荐写法。
def get_content(entry):
for block in entry.get_blocks():
yield block
# 推荐写法。
def get_content(entry):
yield from entry.get_blocks()
（9）使用 any（）而不是用于循环
常见的模式是，我们需要查找是否集合中的一个或多个项符合某些条件。这可以通过 for 循环完成，例如：
#不推荐写法。
found = False
for thing in things:
if thing == other_thing:
found = True
break
更简洁的方法，是使用 Python 的 any() 和 all() 内置函数，来清楚地显示代码的意图。
#推荐写法。
found = any(thing == other_thing for thing in things)
当至少有一个元素计算为 True 时，any() 将返回 True，只有当所有元素都计算为 True 时，all() 将返回 True。如果对 any() 的调用找到一个值为 True 的元素，它可以立即返回。
（10）用「slots」节省内存
如果你曾经编写过一个创建了某种类的大量实例的程序，那么你可能已经注意到，你的程序突然需要大量的内存。那是因为 Python 使用字典来表示类实例的属性，这使其速度很快，但内存使用效率却不是很高。通常情况下，这并不是一个严重的问题。但是，如果你的程序因此受到严重的影响，不妨试一下「slots」：
#推荐写法。
class Person:
__slots__ = ["first_name", "last_name", "phone"]
def __init__(self, first_name, last_name, phone):
self.first_name = first_name
self.last_name = last_name
self.phone = phone
当我们定义了「slots」属性时，Python 没有使用字典来表示属性，而是使用小的固定大小的数组，这大大减少了每个实例所需的内存。使用「slots」也有一些缺点：我们不能声明任何新的属性，我们只能使用「slots」上现有的属性。而且，带有「slots」的类不能使用多重继承。
小结
最后，分享 3 个代码优化基本原则：
第一个基本原则是不要过早优化。优化的前提是代码能正常工作。过早地进行优化可能会忽视对总体性能指标的把握，在得到全局结果前不要主次颠倒。
第二个基本原则是权衡优化的代价。优化是有代价的，想解决所有性能的问题是几乎不可能的。通常面临的选择是时间换空间或空间换时间。另外，开发代价也需要考虑。
第三个原则是不要优化那些无关紧要的部分。如果对代码的每一部分都去优化，这些修改会使代码难以阅读和理解。如果你的代码运行速度很慢，首先要找到代码运行慢的位置，通常是内部循环，专注于运行慢的地方进行优化。在其他地方，一点时间上的损失没有什么影响。