日韩成人免费在线_国产成人一二_精品国产免费人成电影在线观..._日本一区二区三区久久久久久久久不

當前位置:首頁 > 科技  > 軟件

加速Python循環的12種方法,最高可以提速900倍

來源: 責編: 時間:2024-01-03 17:22:12 237觀看
導讀在本文中,我將介紹一些簡單的方法,可以將Python for循環的速度提高1.3到900倍。Python內建的一個常用功能是timeit模塊。下面幾節中我們將使用它來度量循環的當前性能和改進后的性能。對于每種方法,我們通過運行測試來建

在本文中,我將介紹一些簡單的方法,可以將Python for循環的速度提高1.3到900倍。Efc28資訊網——每日最新資訊28at.com

Python內建的一個常用功能是timeit模塊。下面幾節中我們將使用它來度量循環的當前性能和改進后的性能。Efc28資訊網——每日最新資訊28at.com

對于每種方法,我們通過運行測試來建立基線,該測試包括在10次測試運行中運行被測函數100K次(循環),然后計算每個循環的平均時間(以納秒為單位,ns)。Efc28資訊網——每日最新資訊28at.com

Efc28資訊網——每日最新資訊28at.com

幾個簡單方法

1、列表推導式

# Baseline version (Inefficient way) # Calculating the power of numbers # Without using List Comprehension def test_01_v0(numbers):   output = []   for n in numbers:       output.append(n ** 2.5)   return output  # Improved version # (Using List Comprehension) def test_01_v1(numbers):   output = [n ** 2.5 for n in numbers]   return output

結果如下:Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 32.158 ns per loop      Improved: 16.040 ns per loop % Improvement: 50.1 %      Speedup: 2.00x

可以看到使用列表推導式可以得到2倍速的提高Efc28資訊網——每日最新資訊28at.com

2、在外部計算長度

如果需要依靠列表的長度進行迭代,請在for循環之外進行計算。Efc28資訊網——每日最新資訊28at.com

# Baseline version (Inefficient way) # (Length calculation inside for loop) def test_02_v0(numbers):   output_list = []   for i in range(len(numbers)):     output_list.append(i * 2)   return output_list  # Improved version # (Length calculation outside for loop) def test_02_v1(numbers):   my_list_length = len(numbers)   output_list = []   for i in range(my_list_length):     output_list.append(i * 2)   return output_list

通過將列表長度計算移出for循環,加速1.6倍,這個方法可能很少有人知道吧。Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 112.135 ns per loop      Improved: 68.304 ns per loop % Improvement: 39.1 %      Speedup: 1.64x

3、使用Set

在使用for循環進行比較的情況下使用set。Efc28資訊網——每日最新資訊28at.com

# Use for loops for nested lookups def test_03_v0(list_1, list_2):   # Baseline version (Inefficient way)   # (nested lookups using for loop)   common_items = []   for item in list_1:       if item in list_2:           common_items.append(item)   return common_items  def test_03_v1(list_1, list_2):   # Improved version   # (sets to replace nested lookups)   s_1 = set(list_1)   s_2 = set(list_2)   output_list = []   common_items = s_1.intersection(s_2)   return common_items

在使用嵌套for循環進行比較的情況下,使用set加速498xEfc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 9047.078 ns per loop      Improved:   18.161 ns per loop % Improvement: 99.8 %      Speedup: 498.17x

4、跳過不相關的迭代

避免冗余計算,即跳過不相關的迭代。Efc28資訊網——每日最新資訊28at.com

# Example of inefficient code used to find  # the first even square in a list of numbers def function_do_something(numbers):   for n in numbers:     square = n * n     if square % 2 == 0:         return square    return None  # No even square found  # Example of improved code that  # finds result without redundant computations def function_do_something_v1(numbers):   even_numbers = [i for n in numbers if n%2==0]   for n in even_numbers:     square = n * n     return square    return None  # No even square found

這個方法要在設計for循環內容的時候進行代碼設計,具體能提升多少可能根據實際情況不同:Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 16.912 ns per loop      Improved: 8.697 ns per loop % Improvement: 48.6 %      Speedup: 1.94x

5、代碼合并

在某些情況下,直接將簡單函數的代碼合并到循環中可以提高代碼的緊湊性和執行速度。Efc28資訊網——每日最新資訊28at.com

# Example of inefficient code # Loop that calls the is_prime function n times. def is_prime(n):   if n <= 1:     return False   for i in range(2, int(n**0.5) + 1):     if n % i == 0:       return False    return True  def test_05_v0(n):   # Baseline version (Inefficient way)   # (calls the is_prime function n times)   count = 0   for i in range(2, n + 1):     if is_prime(i):       count += 1   return count  def test_05_v1(n):   # Improved version   # (inlines the logic of the is_prime function)   count = 0   for i in range(2, n + 1):     if i <= 1:       continue     for j in range(2, int(i**0.5) + 1):       if i % j == 0:         break     else:       count += 1   return count

這樣也可以提高1.3倍Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 1271.188 ns per loop      Improved: 939.603 ns per loop % Improvement: 26.1 %      Speedup: 1.35x

這是為什么呢?Efc28資訊網——每日最新資訊28at.com

調用函數涉及開銷,例如在堆棧上推入和彈出變量、函數查找和參數傳遞。當一個簡單的函數在循環中被重復調用時,函數調用的開銷會增加并影響性能。所以將函數的代碼直接內聯到循環中可以消除這種開銷,從而可能顯著提高速度。Efc28資訊網——每日最新資訊28at.com

??但是這里需要注意,平衡代碼可讀性和函數調用的頻率是一個要考慮的問題。Efc28資訊網——每日最新資訊28at.com

一些小技巧

6.避免重復

考慮避免重復計算,其中一些計算可能是多余的,并且會減慢代碼的速度。相反,在適用的情況下考慮預計算。Efc28資訊網——每日最新資訊28at.com

def test_07_v0(n):   # Example of inefficient code   # Repetitive calculation within nested loop   result = 0   for i in range(n):     for j in range(n):       result += i * j   return result  def test_07_v1(n):   # Example of improved code   # Utilize precomputed values to help speedup   pv = [[i * j for j in range(n)] for i in range(n)]   result = 0   for i in range(n):     result += sum(pv[i][:i+1])   return result

結果如下Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 139.146 ns per loop      Improved: 92.325 ns per loop % Improvement: 33.6 %      Speedup: 1.51x

7、使用Generators

生成器支持延遲求值,也就是說,只有當你向它請求下一個值時,里面的表達式才會被求值,動態處理數據有助于減少內存使用并提高性能。尤其是大型數據集中Efc28資訊網——每日最新資訊28at.com

def test_08_v0(n):   # Baseline version (Inefficient way)   # (Inefficiently calculates the nth Fibonacci   # number using a list)   if n <= 1:     return n   f_list = [0, 1]   for i in range(2, n + 1):     f_list.append(f_list[i - 1] + f_list[i - 2])   return f_list[n]  def test_08_v1(n):   # Improved version   # (Efficiently calculates the nth Fibonacci   # number using a generator)   a, b = 0, 1   for _ in range(n):     yield a     a, b = b, a + b

可以看到提升很明顯:Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 0.083 ns per loop      Improved: 0.004 ns per loop % Improvement: 95.5 %      Speedup: 22.06x

8、map()函數

使用Python內置的map()函數。它允許在不使用顯式for循環的情況下處理和轉換可迭代對象中的所有項。Efc28資訊網——每日最新資訊28at.com

def some_function_X(x):   # This would normally be a function containing application logic   # which required it to be made into a separate function   # (for the purpose of this test, just calculate and return the square)   return x**2  def test_09_v0(numbers):   # Baseline version (Inefficient way)   output = []   for i in numbers:     output.append(some_function_X(i))    return output  def test_09_v1(numbers):   # Improved version   # (Using Python's built-in map() function)   output = map(some_function_X, numbers)   return output

使用Python內置的map()函數代替顯式的for循環加速了970x。Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 4.402 ns per loop      Improved: 0.005 ns per loop % Improvement: 99.9 %      Speedup: 970.69x

這是為什么呢?Efc28資訊網——每日最新資訊28at.com

map()函數是用C語言編寫的,并且經過了高度優化,因此它的內部隱含循環比常規的Python for循環要高效得多。因此速度加快了,或者可以說Python還是太慢,哈。Efc28資訊網——每日最新資訊28at.com

9、使用Memoization

記憶優化算法的思想是緩存(或“記憶”)昂貴的函數調用的結果,并在出現相同的輸入時返回它們。它可以減少冗余計算,加快程序速度。Efc28資訊網——每日最新資訊28at.com

首先是低效的版本。Efc28資訊網——每日最新資訊28at.com

# Example of inefficient code def fibonacci(n):   if n == 0:     return 0   elif n == 1:     return 1   return fibonacci(n - 1) + fibonacci(n-2)  def test_10_v0(list_of_numbers):   output = []   for i in numbers:     output.append(fibonacci(i))    return output

然后我們使用Python的內置functools的lru_cache函數。Efc28資訊網——每日最新資訊28at.com

# Example of efficient code # Using Python's functools' lru_cache function import functools  @functools.lru_cache() def fibonacci_v2(n):   if n == 0:     return 0   elif n == 1:     return 1   return fibonacci_v2(n - 1) + fibonacci_v2(n-2)  def _test_10_v1(numbers):   output = []   for i in numbers:     output.append(fibonacci_v2(i))    return output

結果如下:Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 63.664 ns per loop      Improved: 1.104 ns per loop % Improvement: 98.3 %      Speedup: 57.69x

使用Python的內置functools的lru_cache函數使用Memoization加速57x。Efc28資訊網——每日最新資訊28at.com

lru_cache函數是如何實現的?Efc28資訊網——每日最新資訊28at.com

“LRU”是“Least Recently Used”的縮寫。lru_cache是一個裝飾器,可以應用于函數以啟用memoization。它將最近函數調用的結果存儲在緩存中,當再次出現相同的輸入時,可以提供緩存的結果,從而節省了計算時間。lru_cache函數,當作為裝飾器應用時,允許一個可選的maxsize參數,maxsize參數決定了緩存的最大大小(即,它為多少個不同的輸入值存儲結果)。如果maxsize參數設置為None,則禁用LRU特性,緩存可以不受約束地增長,這會消耗很多的內存。這是最簡單的空間換時間的優化方法。Efc28資訊網——每日最新資訊28at.com

10、向量化

import numpy as np  def test_11_v0(n):   # Baseline version   # (Inefficient way of summing numbers in a range)   output = 0   for i in range(0, n):     output = output + i    return output  def test_11_v1(n):   # Improved version   # (# Efficient way of summing numbers in a range)   output = np.sum(np.arange(n))   return output

向量化一般用于機器學習的數據處理庫numpy和pandasEfc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 32.936 ns per loop      Improved: 1.171 ns per loop % Improvement: 96.4 %      Speedup: 28.13x

11、避免創建中間列表

使用filterfalse可以避免創建中間列表。它有助于使用更少的內存。Efc28資訊網——每日最新資訊28at.com

def test_12_v0(numbers):   # Baseline version (Inefficient way)   filtered_data = []   for i in numbers:     filtered_data.extend(list(         filter(lambda x: x % 5 == 0,                 range(1, i**2))))      return filtered_data

使用Python的內置itertools的filterfalse函數實現相同功能的改進版本。Efc28資訊網——每日最新資訊28at.com

from itertools import filterfalse  def test_12_v1(numbers):   # Improved version   # (using filterfalse)   filtered_data = []   for i in numbers:     filtered_data.extend(list(         filterfalse(lambda x: x % 5 != 0,                     range(1, i**2))))          return filtered_data

這個方法根據用例的不同,執行速度可能沒有顯著提高,但通過避免創建中間列表可以降低內存使用。我們這里獲得了131倍的提高Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 333167.790 ns per loop      Improved: 2541.850 ns per loop % Improvement: 99.2 %      Speedup: 131.07x

12、高效連接字符串

任何使用+操作符的字符串連接操作都會很慢,并且會消耗更多內存。使用join代替。Efc28資訊網——每日最新資訊28at.com

def test_13_v0(l_strings):   # Baseline version (Inefficient way)   # (concatenation using the += operator)   output = ""   for a_str in l_strings:     output += a_str    return output  def test_13_v1(numbers):   # Improved version   # (using join)   output_list = []   for a_str in l_strings:     output_list.append(a_str)    return "".join(output_list)

該測試需要一種簡單的方法來生成一個較大的字符串列表,所以寫了一個簡單的輔助函數來生成運行測試所需的字符串列表。Efc28資訊網——每日最新資訊28at.com

from faker import Faker  def generate_fake_names(count : int=10000):   # Helper function used to generate a    # large-ish list of names   fake = Faker()   output_list = []   for _ in range(count):     output_list.append(fake.name())    return output_list  l_strings = generate_fake_names(count=50000)

結果如下:Efc28資訊網——每日最新資訊28at.com

# Summary Of Test Results      Baseline: 32.423 ns per loop      Improved: 21.051 ns per loop % Improvement: 35.1 %      Speedup: 1.54x

使用連接函數而不是使用+運算符加速1.5倍。為什么連接函數更快?Efc28資訊網——每日最新資訊28at.com

使用+操作符的字符串連接操作的時間復雜度為O(n2),而使用join函數的字符串連接操作的時間復雜度為O(n)。Efc28資訊網——每日最新資訊28at.com

總結

本文介紹了一些簡單的方法,將Python for循環的提升了1.3到970x。Efc28資訊網——每日最新資訊28at.com

  • 使用Python內置的map()函數代替顯式的for循環加速970x
  • 使用set代替嵌套的for循環加速498x[技巧#3]
  • 使用itertools的filterfalse函數加速131x
  • 使用lru_cache函數使用Memoization加速57x


Efc28資訊網——每日最新資訊28at.com

本文鏈接:http://www.www897cc.com/showinfo-26-57287-0.html加速Python循環的12種方法,最高可以提速900倍

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。郵件:2376512515@qq.com

上一篇: 基于Python的圖像預處理完整指南

下一篇: Pandas入門的12個技巧

標簽:
  • 熱門焦點
  • 5月安卓手機好評榜:魅族20 Pro奪冠

    性能榜和性價比榜之后,我們來看最后的安卓手機好評榜,數據來源安兔兔評測,收集時間2023年5月1日至5月31日,僅限國內市場。第一名:魅族20 Pro好評率:97.50%不得不感慨魅族老品牌還
  • 《英雄聯盟》夏季賽總決賽今日開打!JDG對陣LNG首發名單來了 Knight:準備三連冠

    8月5日消息,今日17:00,《英雄聯盟》2023LPL夏季賽總決賽將正式開打,由JDG對陣LNG。對兩支隊伍來說,這場比賽不僅要爭奪夏季賽冠軍,更要決定誰才是LPL賽區一
  • 一文看懂為蘋果Vision Pro開發應用程序

    譯者 | 布加迪審校 | 重樓蘋果的Vision Pro是一款混合現實(MR)頭戴設備。Vision Pro結合了虛擬現實(VR)和增強現實(AR)的沉浸感。其高分辨率顯示屏、先進的傳感器和強大的處理能力
  • 不容錯過的MSBuild技巧,必備用法詳解和實踐指南

    一、MSBuild簡介MSBuild是一種基于XML的構建引擎,用于在.NET Framework和.NET Core應用程序中自動化構建過程。它是Visual Studio的構建引擎,可在命令行或其他構建工具中使用
  • JavaScript學習 -AES加密算法

    引言在當今數字化時代,前端應用程序扮演著重要角色,用戶的敏感數據經常在前端進行加密和解密操作。然而,這樣的操作在網絡傳輸和存儲中可能會受到惡意攻擊的威脅。為了確保數據
  • 共享單車的故事講到哪了?

    來源丨海克財經與共享充電寶相差不多,共享單車已很久沒有被國內熱點新聞關照到了。除了一再漲價和用戶直呼用不起了。近日多家媒體再發報道稱,成都、天津、鄭州等地多個共享單
  • 阿里大調整

    來源:產品劉有媒體報道稱,近期淘寶天貓集團啟動了近年來最大的人力制度改革,涉及員工績效、層級體系等多個核心事項,目前已形成一個初步的&ldquo;征求意見版&rdquo;:1、取消P序列
  • 華為Mate 60保護殼曝光:碩大后置相機模組 凸起程度有驚喜

    這段時間以來,關于華為新旗艦的爆料日漸密集。據此前多方爆料,今年華為將開始恢復一年雙旗艦戰略,除上半年推出的P60系列外,往年下半年的Mate系列也將
  • 2納米決戰2025

    集微網報道 從三強爭霸到四雄逐鹿,2nm的廝殺聲已然隱約傳來。無論是老牌勁旅臺積電、三星,還是誓言重回先進制程領先地位的英特爾,甚至初成立不久的新
Top 主站蜘蛛池模板: 洛隆县| 阳原县| 宁津县| 晋州市| 江源县| 弥勒县| 富锦市| 兖州市| 抚宁县| 房产| 乡宁县| 贵州省| 石首市| 宝山区| 清苑县| 柳州市| 涞源县| 若尔盖县| 徐水县| 东山县| 宝鸡市| 宁德市| 美姑县| 常熟市| 安福县| 铜梁县| 吴忠市| 遂平县| 德钦县| 葵青区| 磴口县| 房山区| 晋州市| 博湖县| 柘城县| 兴业县| 安福县| 油尖旺区| 桑植县| 昌乐县| 忻州市|