Python运行提速实用方法

今天总结三个提升Python运行速度的方法，只从代码本身考虑，提升运行速度并不会从编写C 扩展的代码、基于JIT的编译器技术考虑。

关于代码执行效率的第一个方法是减少频繁的方法访问，尤其是在多层循环内层、且循环次数较多的操作，差距尤为明显。

# 真是模块内全局变量
import math

def compute_sqrt(nums):
   result = []
   for n in nums: # 假如nums长度很大
   # 1. math.sqrt 会被频繁访问
   # 2. result.append 也会被频繁访问
       result.append(math.sqrt(n))
   return result

看到在for循环里面，涉及2个频繁的访问： math.sqrt 会被频繁访问 result.append 也会被频繁访问 因此第一步做如下更改：直接导入sqrt，而不是导入整个模块后再去引用sqrt

# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt

def compute_sqrt(nums):
   result = []
   for n in nums: # 假如nums长度很大
   # 1. math.sqrt 会被频繁访问
   # 2. result.append 也会被频繁访问
       result.append(sqrt(n))
   return result

然后再修改result.append，不用频繁访问append，使用标签apd指向它就行了：

# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt
   
def compute_sqrt(nums):
   result = []
   apd = result.append
   for n in nums: # 假如nums长度很大
   # 1. math.sqrt 会被频繁访问
   # 2. result.append 也会被频繁访问
       apd(sqrt(n))
   return result

第二个方法：查找局部变量的效率是最高的!!!对于频繁访问的变量应尽可能是局部变量，消除不必要的全局变量访问。所以对于上面代码，sqrt还是模块级别的全局变量，所以修改为：

def compute_sqrt(nums):
   # 调整sqrt为局部变量
   from math import sqrt
   result = []
   apd = result.append
   for n in nums: # 假如nums长度很大
   # 1. math.sqrt 会被频繁访问
   # 2. result.append 也会被频繁访问
       apd(sqrt(n))
   return result

第三个方法：不要做一些不必要的属性包装。比如@property必要时再用，能不用时就别用。如下对于属性y做@property装饰没有任何意义!只有在y有特定取值，比如只能取大于0的非负实数时再用此装饰才有意义。

class A:
   def __init__(self, x, y):
       self.x = x
       self.y = y
   @property
   def y(self):
       return self._y
   @y.setter  
   def y(self, value):
       self._y = value

因此修改为下面这样，删去多余的@property包装

class A:
   def __init__(self, x, y):
       self.x = x
       self.y = y

本文来源：www.lxlinux.net/9603.html，若引用不当，请联系修改。