Python代码性能优化技巧.docx

Python代码性能优化技巧
来源：开发界http://www.kaifajie.cn

代码优化能够让程序运行更快，它是在不改变程序运行结果的情况下使得程序的运行效率更高，根据80/20原则，实现程序的重构、优化、扩展以及文档相关的事情通常需要消耗80%的工作量。优化通常包含两方面的内容：减小代码的体积，提高代码的运行效率。
改进算法，选择合适的数据结构
一个良好的算法能够对性能起到关键作用，因此性能改进的首要点是对算法的改进。在算法的时间复杂度排序上依次是：
O(1)->O(lgn)->O(nlgn)->O(n^2)->O(n^3)->O(n^k)->O(k^n)->O(n!)
因此如果能够在时间复杂度上对算法进行一定的改进，对性能的提高不言而喻。但对具体算法的改进不属于本文讨论的范围，读者可以自行参考这方面资料。下面的内容将集中讨论数据结构的选择。
字典(dictionary)与列表(list)
Python字典中使用了hashtable，因此查找操作的复杂度为O(1)，而list实际是个数组，在list中，查找需要遍历整个list，其复杂度为O(n)，因此对成员的查找访问等操作字典要比list更快。
清单1.代码dict.py
fromtimeimporttime
t=time()
list=['a','b','is','python','jason','hello','hill','with','phone','test',
'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd']
#list=dict.fromkeys(list,True)
printlist
filter=[]
foriinrange(1000000):
forfindin['is','hat','new','list','old','.']:
iffindnotinlist:
filter.append(find)
print"totalruntime:"
printtime()-t
上述代码运行大概需要16.09seconds。如果去掉行#list=dict.fromkeys(list,True)的注释，将list转换为字典之后再运行，时间大约为8.375seconds，效率大概提高了一半。因此在需要多数据成员进行频繁的查找或者访问的时候，使用dict而不是list是一个较好的选择。
集合(set)与列表(list)
set的union，intersection，difference操作要比list的迭代要快。因此如果涉及到求list交集，并集或者差的问题可以转换为set来操作。
清单2.求list的交集：
fromtimeimporttime
t=time()
lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44]
listb=[2,4,6,9,23]
intersection=[]
foriinrange(1000000):
forainlista:
forbinlistb:
ifa==b:
intersection.append(a)
print"totalruntime:"
printtime()-t
上述程序的运行时间大概为：
totalruntime:
38.4070000648清单3.使用set求交集
fromtimeimporttime
t=time()
lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44]
listb=[2,4,6,9,23]
intersection=[]
foriinrange(1000000):
list(set(lista)&set(listb))
print"totalruntime:"
printtime()-t
改为set后程序的运行时间缩减为8.75，提高了4倍多，运行时间大大缩短。读者可以自行使用表1其他的操作进行测试。
表1.set常见用法
语法操作说明
set(list1)|set(list2)union包含list1和list2所有数据的新集合
set(list1)&set(list2)intersection包含list1和list2中共同元素的新集合
set(list1)–set(list2)difference在list1中出现但不在list2中出现的元素的集合
对循环的优化
对循环的优化所遵循的原则是尽量减少循环过程中的计算量，有多重循环的尽量将内层的计算提到上一层。下面通过实例来对比循环优化后所带来的性能的提高。程序清单4中，如果不进行循环优化，其大概的运行时间约为132.375。
清单4.为进行循环优化前
fromtimei