夸奖对方代码写的好_测一测，你写的代码性能好吗？

你平时有关注自己写的代码的性能问题吗？

刚开始学习编程时，不管性能好不好，能得到需要的结果是第一步。但随着学习的深入，就必须要关注性能问题，你的代码性能差，在大神眼里就是“烂”代码了。

今天通过几个简单的小栗子，给大家来讲讲性能耗时那些事儿。

生成1000以内数的列表

生成1000以内的数并组成一个 list 列表，这道题不难吧？你能用四种方法解答此题吗？借此机会正好复习下你的基础，先不要看答案，自己先想想，然后再点击空白处就可以查看答案。

方法1：for 循环 & 连接符

点击空白处显示答案

方法2：for 循环 & append 添加

点击空白处显示答案

方法3：列表生成式

点击空白处显示答案

方法4：Python 内置函数

点击空白处显示答案

都答出来了吧？没全部想到的同学得要好好复习下基础了。

哪个性能最优？

以上四种方法哪种代码的性能最优呢？先想想，心中有自己的答案后再点击下方空白查看，看看正确答案是不是你心中所想。

哪种方法性能最优？

点击空白处显示答案

方法4：Python 内置函数

为什么是这种方式性能最优呢？我们分别计算出代码的运行时间就会一目了然了。

计算代码执行时间，我们可以用 timeit 模块里的方法。timeit 模块可以用来测试一小段 Python 代码的执行速度。

timeit 模块定义了接受两个参数的 Timer 类。两个参数都是字符串。第一个参数是你要计时的语句或者函数。传递给 Timer 的第二个参数是为第一个参数语句构建环境的导入语句。从内部讲， timeit 构建起一个独立的虚拟环境，手工地执行建立语句，然后手工地编译和执行被计时语句。

一旦有了 Timer 对象，最简单的事就是调用 timeit()，它接受一个参数为每个测试中调用被计时语句的次数，默认为一百万次，方法返回执行代码的耗时，返回的是 float 类型的秒数。

所以它的用法格式如下：

timer1 = Timer("t1()", "from __main__ import t1")print("concat ",timer1.timeit(number=10000), "seconds")

这里为了比较时间，我把执行次数扩大 10000 倍。

把上面函数代码加上一下代码同时执行。

timer1 = Timer("t1()", "from __main__ import t1")print("concat ", timer1.timeit(number=10000), "seconds")timer2 = Timer("t2()", "from __main__ import t2")print("append ",timer2.timeit(number=10000), "seconds")timer3 = Timer("t3()", "from __main__ import t3")print("comprehension ", timer3.timeit(number=10000), "seconds")timer4 = Timer("t4()", "from __main__ import t4")print("list range ", timer4.timeit(number=10000), "seconds")

执行结果如下：

concat  18.075767521498722 secondsappend  1.0233209442258122 secondscomprehension  0.42848983041544386 secondslist range  0.1732263190517216 seconds

结果出来了吧，最快的是用内置函数 list range 方法，执行 10000 次后耗时 0.17 秒，亚军是列表表达式，0.42 秒，耗时最长是用加号连接符，耗时 18 秒。

所以，结论是：调用 Python 内置函数执行速度是最快的，内置函数的性能是最优的。所以当你的模块被大量调用，尽量用内置函数搞定。

平时大家爬虫时往列表里添加数据也是用得比较多的吧，往列表里添加数据用的多是 append() 和 insert()，这个两个方法有区别吗？有。直接看执行效果。

def t5():    li = []    for i in range(10):        li.append(i)    print(li)

def t6():    li = []    for i in range(10):        li.insert(0, i)    print(li)

t5()t6()

运行结果如下：

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9][9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

所以，append() 方法是从尾端添加元素，而 insert() 方法是从顶端添加元素的。

他们的区别不仅于此，性能上有区别吗？我们用上面的方法看看便知。

为了看清楚效果，我们把 range 内的次数改成 10000。

def t5():    li = []    for i in range(10000):        li.append(i)

def t6():    li = []    for i in range(10000):        li.insert(0, i)

timer5 = Timer('t5()', 'from __main__ import t5')print("append:", timer5.timeit(number=1000))

timer6 = Timer('t6()', 'from __main__ import t6')print("insert:", timer6.timeit(number=1000))

看看执行耗时：

append: 1.1306300416743456insert: 31.27993700877352

差距太明显，直接 KO，所以 append 从尾端添加元素的效率远远高于 insert 从顶端添加元素的效率。

希望通过今天的小栗子，大家能明白性能的重要性，当然，这只是性能优化的冰山一角，以后我们慢慢再聊。

作者：pk哥

来源：Python知识圈