介紹

今天，我們將討論P(yáng)ython中的優(yōu)化技術(shù)。在本文中，您將了解如何通過避免在列表和字典中進(jìn)行重新計算來加快代碼的速度。

創(chuàng)新互聯(lián)是一家專業(yè)提供靖江企業(yè)網(wǎng)站建設(shè),專注與網(wǎng)站設(shè)計制作、網(wǎng)站設(shè)計、HTML5、小程序制作等業(yè)務(wù)。10年已為靖江眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)站設(shè)計公司優(yōu)惠進(jìn)行中。

我們先編寫一個裝飾器函數(shù)來計算函數(shù)的執(zhí)行時間，方便測驗不同代碼的速度：

 
 
 
 

  
  
  
  
import functools
  
  
  
  
import time
  
  
  
  

  
  
  
  
def timeit(func):
  
  
  
  
    @functools.wraps(func)
  
  
  
  
    def newfunc(*args, **kwargs):
  
  
  
  
        startTime = time.time()
  
  
  
  
        func(*args, **kwargs)
  
  
  
  
        elapsedTime = time.time() - startTime
  
  
  
  
        print('function - {}, took {} ms to complete'.format(func.__name__, int(elapsedTime * 1000)))
  
  
  
  
    return newfunc
 
 
 
 

避免在列表中重新評估

在循環(huán)內(nèi)

代碼：

 
 
 
 

  
  
  
  
@timeit
  
  
  
  
def append_inside_loop(limit):
  
  
  
  
    nums = []
  
  
  
  
    for num in limit:
  
  
  
  
        nums.append(num)
  
  
  
  

  
  
  
  
append_inside_loop(list(range(1, 9999999)))
 
 
 
 

在上面的函數(shù)中.append每次通過循環(huán)重新計算的函數(shù)引用。執(zhí)行后，上述函數(shù)所花費的總時間:

 
 
 
 

  
  
  
  
o/p - function - append_inside_loop, took 529 ms to complete
 
 
 
 

在循環(huán)外

代碼：

 
 
 
 

  
  
  
  
@timeit
  
  
  
  
def append_outside_loop(limit):
  
  
  
  
    nums = []
  
  
  
  
    append = nums.append
  
  
  
  
    for num in limit:
  
  
  
  
        append(num)
  
  
  
  

  
  
  
  
append_outside_loop(list(range(1, 9999999)))
 
 
 
 

在上面的函數(shù)中，我們對nums.append在循環(huán)外部估值，并在循環(huán)內(nèi)部使用append為變量。總時間:

 
 
 
 

  
  
  
  
o/p - function - append_outside_loop, took 328 ms to complete
 
 
 
 

如您所見，當(dāng)我們在?for循環(huán)外部追加為一個本地變量，這將花費更少的時間，可以將代碼加速201 ms。?

避免在字典中重新求值

在循環(huán)內(nèi)部

代碼：

 
 
 
 

  
  
  
  
@timeit
  
  
  
  
def inside_evaluation(limit):
  
  
  
  
    data = {}
  
  
  
  
    for num in limit:
  
  
  
  
        data[num] = data.get(num, 0) + 1
  
  
  
  

  
  
  
  
inside_evaluation(list(range(1, 9999999)))
 
 
 
 

上述函數(shù)所花費的總時間：

 
 
 
 

  
  
  
  
o/p - function - inside_evaluation, took 1400 ms to complete
 
 
 
 

在循環(huán)外

代碼：

 
 
 
 

  
  
  
  
@timeit
  
  
  
  
def outside_evaluation(limit):
  
  
  
  
    data = {}
  
  
  
  
    get = data.get
  
  
  
  
    for num in limit:
  
  
  
  
        data[num] = get(num, 0) + 1
  
  
  
  

  
  
  
  

  
  
  
  
outside_evaluation(list(range(1, 9999999)))
 
 
 
 

上述函數(shù)所花費的總時間：

 
 
 
 

  
  
  
  
o/p - function - outside_evaluation, took 1189 ms to complete
 
 
 
 

如你所見，我們這里的代碼速度提高了211毫秒。

標(biāo)題名稱：如何加速Python列表和字典讓你的代碼更加高效
網(wǎng)站URL：http://uogjgqi.cn/article/djpdghj.html