Python 執行速度常被詬病,但善用技巧可大幅提升效能。以下六招各有適用場景。
代價:犧牲可移植性、增加建置複雜度。
key 參數
# 慢:自定義比較函數
sorted(data, cmp=lambda a,b: cmp(a[1], b[1]))
# 快:key 函數 (只計算一次鍵值)
sorted(data, key=lambda x: x[1])
key 將每元素轉換為排序鍵,僅計算一次;cmp 每次比較都呼叫函數。Python 3 已移除 cmp 參數。
# 慢:每次迴圈查找 str.upper
for s in strings:
print(s.upper())
# 快:提取方法參考
upper = str.upper
for s in strings:
print(upper(s))
原則:將不變的運算移出迴圈,減少屬性查找、全域變數存取、函數呼叫開銷。
list.append 優化、dict 共享鍵等)
# 字典更新:EAFP 風格 (易於請求原諒)
try:
value = mydict[key]
except KeyError:
value = default
mydict[key] = value
# vs LBYL 風格 (查看再躍進)
if key in mydict:
value = mydict[key]
else:
value = default
mydict[key] = value
當鍵多數存在時 EAFP 更快;多數不存在時 LBYL 較優。實測為準。
無銀彈。先 cProfile 找熱點,再針對性套用上述技巧。通常 演算法優化 > 微優化。