6月安卓手機(jī)性能榜：vivo/iQOO霸占旗艦排行榜前三
2023年上半年已經(jīng)正式過(guò)去了，我們也迎來(lái)了安兔兔V10版本，在新的驍龍8Gen3和天璣9300發(fā)布之前，性能榜的榜單大體會(huì)以驍龍8Gen2和天璣9200+為主，至于那顆3.36GHz的驍龍8Gen2領(lǐng)先
哈嘍大家好，我是咸魚
我們經(jīng)常聽到 “Python 太慢了”，“Python 性能不行”這樣的觀點(diǎn)。但是，只要掌握一些編程技巧，就能大幅提升 Python 的運(yùn)行速度。
今天就讓我們一起來(lái)看下讓 Python 性能更高的 9 個(gè)小技巧
原文鏈接：
https://medium.com/techtofreedom/9-fabulous-python-tricks-that-make-your-code-more-elegant-bf01a6294908
如果有大量字符串等待處理，字符串連接將成為 Python 的瓶頸。
一般來(lái)講，Python 中有兩種字符串拼接方式：
那么哪種方式更快呢？我們一起來(lái)看一下
mylist = ["Yang", "Zhou", "is", "writing"]# Using '+'def concat_plus(): result = "" for word in mylist: result += word + " " return result# Using 'join()'def concat_join(): return " ".join(mylist)# Directly concatenation without the listdef concat_directly(): return "Yang" + "Zhou" + "is" + "writing"import timeitprint(timeit.timeit(concat_plus, number=10000))# 0.002738415962085128print(timeit.timeit(concat_join, number=10000))# 0.0008482920238748193print(timeit.timeit(concat_directly, number=10000))# 0.00021425005979835987如上所示，對(duì)于拼接字符串列表， join() 方法比在 for 循環(huán)中逐個(gè)添加字符串更快。
原因很簡(jiǎn)單。一方面，字符串是 Python 中的不可變數(shù)據(jù)，每個(gè) += 操作都會(huì)導(dǎo)致創(chuàng)建一個(gè)新字符串并復(fù)制舊字符串，這會(huì)導(dǎo)致非常大的開銷。
另一方面，.join() 方法是專門為連接字符串序列而優(yōu)化的。它預(yù)先計(jì)算結(jié)果字符串的大小，然后一次性構(gòu)建它。因此，它避免了與循環(huán)中 += 操作相關(guān)的開銷，因此速度更快。
但是，我們發(fā)現(xiàn)最快其實(shí)是直接用 + 拼接字符串，這是因?yàn)椋?span style="display:none">kIa28資訊網(wǎng)——每日最新資訊28at.com
總之，如果需要拼接字符串列表，請(qǐng)選擇 join() ；如果直接拼接字符串，只需使用 + 即可。
Python 中創(chuàng)建列表的兩種常見方法是：
我們來(lái)看下這兩種方法的性能
import timeitprint(timeit.timeit('[]', number=10 ** 7))# 0.1368238340364769print(timeit.timeit(list, number=10 ** 7))# 0.2958830420393497結(jié)果表明，執(zhí)行 list() 函數(shù)比直接使用 [] 要慢。
這是因?yàn)?是 [] 字面語(yǔ)法(literal syntax)，而 list() 是構(gòu)造函數(shù)調(diào)用。毫無(wú)疑問(wèn)，調(diào)用函數(shù)需要額外的時(shí)間。
同理，在創(chuàng)建字典時(shí)，我們也應(yīng)該利用 {} 而不是 dict()
成員關(guān)系測(cè)試的性能很大程度上取決于底層數(shù)據(jù)結(jié)構(gòu)
import timeitlarge_dataset = range(100000)search_element = 2077large_list = list(large_dataset)large_set = set(large_dataset)def list_membership_test(): return search_element in large_listdef set_membership_test(): return search_element in large_setprint(timeit.timeit(list_membership_test, number=1000))# 0.01112208398990333print(timeit.timeit(set_membership_test, number=1000))# 3.27499583363533e-05如上面的代碼所示，集合中的成員關(guān)系測(cè)試比列表中的成員關(guān)系測(cè)試要快得多。
這是為什么呢？
這里的技巧重點(diǎn)是在編寫程序時(shí)仔細(xì)考慮底層數(shù)據(jù)結(jié)構(gòu)。利用正確的數(shù)據(jù)結(jié)構(gòu)可以顯著加快我們的代碼速度。
Python 中有四種類型的推導(dǎo)式：列表、字典、集合和生成器。它們不僅為創(chuàng)建相對(duì)數(shù)據(jù)結(jié)構(gòu)提供了更簡(jiǎn)潔的語(yǔ)法，而且比使用 for 循環(huán)具有更好的性能。
因?yàn)樗鼈冊(cè)?Python 的 C 實(shí)現(xiàn)中進(jìn)行了優(yōu)化。
import timeitdef generate_squares_for_loop(): squares = [] for i in range(1000): squares.append(i * i) return squaresdef generate_squares_comprehension(): return [i * i for i in range(1000)]print(timeit.timeit(generate_squares_for_loop, number=10000))# 0.2797503340989351print(timeit.timeit(generate_squares_comprehension, number=10000))# 0.2364629579242319上面的代碼是列表推導(dǎo)式和 for 循環(huán)之間的簡(jiǎn)單速度比較。如結(jié)果所示，列表推導(dǎo)式速度更快。
在 Python 中，訪問(wèn)局部變量比訪問(wèn)全局變量或?qū)ο蟮膶傩愿臁?span style="display:none">kIa28資訊網(wǎng)——每日最新資訊28at.com
import timeitclass Example: def __init__(self): self.value = 0obj = Example()def test_dot_notation(): for _ in range(1000): obj.value += 1def test_local_variable(): value = obj.value for _ in range(1000): value += 1 obj.value = valueprint(timeit.timeit(test_dot_notation, number=1000))# 0.036605041939765215print(timeit.timeit(test_local_variable, number=1000))# 0.024470250005833805原理也很簡(jiǎn)單：當(dāng)編譯一個(gè)函數(shù)時(shí)，它內(nèi)部的局部變量是已知的，但其他外部變量需要時(shí)間來(lái)檢索。
當(dāng)我們討論 Python 的時(shí)候，通常指的是 CPython，因?yàn)?CPython 是 Python 語(yǔ)言的默認(rèn)和使用最廣泛的實(shí)現(xiàn)。
考慮到它的大多數(shù)內(nèi)置模塊和庫(kù)都是用C語(yǔ)言編寫的，C語(yǔ)言是一種更快、更低級(jí)的語(yǔ)言，我們應(yīng)該利用它的內(nèi)置庫(kù)，避免重復(fù)造輪子。
import timeitimport randomfrom collections import Counterdef count_frequency_custom(lst): frequency = {} for item in lst: if item in frequency: frequency[item] += 1 else: frequency[item] = 1 return frequencydef count_frequency_builtin(lst): return Counter(lst)large_list = [random.randint(0, 100) for _ in range(1000)]print(timeit.timeit(lambda: count_frequency_custom(large_list), number=100))# 0.005160166998393834print(timeit.timeit(lambda: count_frequency_builtin(large_list), number=100))# 0.002444291952997446上面的程序比較了計(jì)算列表中元素頻率的兩種方法。正如我們所看到的，利用 collections 模塊的內(nèi)置計(jì)數(shù)器比我們自己編寫 for 循環(huán)更快、更簡(jiǎn)潔、更好。
緩存是避免重復(fù)計(jì)算和提高程序速度的常用技術(shù)。
幸運(yùn)的是，在大多數(shù)情況下，我們不需要編寫自己的緩存處理代碼，因?yàn)?Python 提供了一個(gè)開箱即用的裝飾器 — @functools.cache 。
例如，以下代碼將執(zhí)行兩個(gè)斐波那契數(shù)生成函數(shù)，一個(gè)具有緩存裝飾器，但另一個(gè)沒(méi)有：
import timeitimport functoolsdef fibonacci(n): if n in (0, 1): return n return fibonacci(n - 1) + fibonacci(n - 2)@functools.cachedef fibonacci_cached(n): if n in (0, 1): return n return fibonacci_cached(n - 1) + fibonacci_cached(n - 2)# Test the execution time of each functionprint(timeit.timeit(lambda: fibonacci(30), number=1))# 0.09499712497927248print(timeit.timeit(lambda: fibonacci_cached(30), number=1))# 6.458023563027382e-06可以看到 functools.cache 裝飾器如何使我們的代碼運(yùn)行得更快。
緩存版本的速度明顯更快，因?yàn)樗彺媪讼惹坝?jì)算的結(jié)果。因此，它只計(jì)算每個(gè)斐波那契數(shù)一次，并從緩存中檢索具有相同參數(shù)的后續(xù)調(diào)用。
如果要?jiǎng)?chuàng)建無(wú)限 while 循環(huán)，我們可以使用 while True or while 1 .
它們的性能差異通?？梢院雎圆挥?jì)。但有趣的是， while 1 稍微快一點(diǎn)。
這是因?yàn)槭?1 字面量，但 True 是一個(gè)全局名稱，需要在 Python 的全局作用域中查找。所以 1 的開銷很小。
import timeitdef loop_with_true(): i = 0 while True: if i >= 1000: break i += 1def loop_with_one(): i = 0 while 1: if i >= 1000: break i += 1print(timeit.timeit(loop_with_true, number=10000))# 0.1733035419601947print(timeit.timeit(loop_with_one, number=10000))# 0.16412191605195403正如我們所看到的，確實(shí) while 1 稍微快一些。
然而，現(xiàn)代 Python 解釋器(如 CPython )是高度優(yōu)化的，這種差異通常是微不足道的。所以我們不需要擔(dān)心這個(gè)可以忽略不計(jì)的差異。更不用說(shuō) while True 比 while 1 可讀性更好。
在 Python 腳本開頭導(dǎo)入所有模塊似乎是每個(gè)人都會(huì)這么做的操作，事實(shí)上我們沒(méi)有必要導(dǎo)入全部的模塊。如果模塊太大，則根據(jù)需要導(dǎo)入它是一個(gè)更好的主意。
def my_function(): import heavy_module # rest of the function如上面的代碼所示，heavy_module 在函數(shù)中導(dǎo)入。這是一種“延遲加載”的思想：只有 my_function 被調(diào)用的時(shí)候該模塊才會(huì)被導(dǎo)入。
這種方法的好處是，如果 my_function 在腳本執(zhí)行期間從未調(diào)用過(guò)，則 heavy_module 永遠(yuǎn)不會(huì)加載，從而節(jié)省資源并減少腳本的啟動(dòng)時(shí)間。
本文鏈接：http://www.www897cc.com/showinfo-26-58996-0.html九個(gè)讓你的 Python 代碼更快的小技巧
聲明：本網(wǎng)頁(yè)內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問(wèn)題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：2376512515@qq.com 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)