5招教你提高编写python代码的效率

　　 相信很多学Python语言的人在学习上肯定会接触到python代码，那你会不会感到写起来没什么效率呢？关键是你没有抓到技巧。有经验的人会这样做：先清楚的设计、再写伪代码再完善、最后代码先语法review后再启动编译 。而本文将会讲5招关于怎样提高效率的贴士，有兴趣的朋友快来看看吧！

     第一招：蛇打七寸：定位瓶颈

　　首先，第一步是定位瓶颈。举个简单的栗子，一个函数可以从1秒优化到到0.9秒，另一个函数可以从1分钟优化到30秒，如果要花的代价相同，而且时间限制只能搞定一个，搞哪个?根据短板原理，当然选第二个啦。

　　一个有经验的程序员在这里一定会迟疑一下，等等?函数?这么说，还要考虑调用次数?如果第一个函数在整个程序中需要被调用100000次，第二个函数在整个程序中被调用1次，这个就不一定了。举这个栗子，是想说明，程序的瓶颈有的时候不一定一眼能看出来。还是上面那个选择，程序员的你应该有感觉的，大多数情况下：一个「可以」从一分钟优化到30秒的函数会比一个「可以」从1秒优化到0.9秒的函数更容易捕获我们的注意，因为有很大的进步空间嘛。

　　所以，这么多废话讲完，献上第一招，profile。这是 python 自带的定位程序瓶颈的利器!虽然它提供了三种选项profile，cProfile，hotshot。还分为内置和外置。但是，个人觉得一种足矣，外置cProfile。心法如下：

　　这招的效果会输出一系列东西，比如函数被调用了几次，总时间多少，其中有多少是这个函数的子函数花费的，每次花多少时间，唯一图胜千言：

　　filename:lineno(function): 文件名：第几行(函数名)

　　ncalls: 这货一共调用了几次

　　tottime: 这货自己总共花了多少时间，也就是要除掉内部函数小弟们的花费

　　percall: 平均每次调用花的时间，tottime 除以 ncalls

　　cumtime: 这货还有它的所有内部函数小弟们的总花费

　　percall: 跟上面那个 percall 差不多，不过是 cumtime 除以 ncalls

　　找到最值得优化的点，然后干吧。

　　第二招：一蛇禅：只需一招

　　记得刚开始接触 Python 的时候，有一位学长告诉我，Python 有一个牛逼的理想，它希望每一个用它的人能写出一模一样的程序。Python 之禅有云：

　　There should be one-- and preferably only one --obvious way to do it

　　所以 Python 系专业的禅师提供了一些常用功能的 only one 的写法。本人看了一下传说中的PythonWiKi:PerformanceTiPS，总结了几个要点。

　　合并字符串的时候不要这样：

　　要这样：

　　格式化字符串的时候不要这样：

　　要这样：

　　可以不用循环的时候就不要用循环，比如不要这样：

　　要这样：

　　或者这样：

　　字典初始化，比较常用的：

　　如果重复的 word 太多了的话，可以考虑用这个模式来省掉大量判断：

　　第三招：蛇之狙击：高速搜索

　　这一招部分来源于IBM:Python 代码性能优化技巧，搜索算法的最高境界是O(1)的算法复杂度。也就是 Hash Table。本人幸本科的时候学了点数据结构。知道 Python 的 list 使用类似链表的方法实现的。如过列表很大的话，在茫茫多的项里面用 if X in list_a 来做搜索和判断效率是非常低的。

　　Python 的 tuple 我用得非常少，不评论。另两个我用得非常多的是 set 和 dict。这两个就是用的类似 Hash Table 的实现方法。

　　要这样做：

　　先把 list 转换成 dictionary

　　找 list 的交集：

　　第四招：各种小 Tips

　　变量交换不需要中间变量：a,b = b,a (这里有个神坑，至今记忆深刻：True,False = False,True)

　　如果使用 Python2.x，用 xrange 代替 range，如果用 Python3.x，range 已经是 xrange 了，xrange 已经木有了。xrange 不会像 range 一样生成一个列表，而是生成一个迭代器，省内存。可以用 x>y>z 代替 x>y and y>z。效率更高，可读性也更好。当然理论上 x>y。

　　add(x,y) 一般会比 a+b 要快?这个本人有所怀疑，实验了一下，首先 add 不能直接用，要 import operator。

     第二，我的实验结果表示 add(x,y) 完全没有 a+b 快，更何况还要牺牲可读性。

　　while 1 确实比 while True 要快那么一点点。做了两次实验，大概快了15%左右。

　　第五招：无蛇胜有蛇：代码之外的性能

　　代码除了硬件之外，就是编译器了，这里隆重推荐 pypy。pypy是一种叫做 just-in-time 的即时编译器。这个编译器的特点就是编译一句跑一句，和静态的编译器的区别嘛，我在知乎上看到一个非常形象的比喻：

　　假定你是一个导演，静态编译就是让演员把整个剧本背下来吃透，然后连续表演一个小时。动态编译就是让演员表演两分钟，然后思考一下，再看一下剧本，再表演两分钟……

　　动态编译和静态编译各有所长，看你演的是电影还是话剧了。

　　此外还有一个 Cython 可以在 python 里内置一些 C 的代码。我用的非常少，但是关键时刻确实有效。