一直以来Python性能是遭人诟病的问题之一,抱怨执行慢,没法用。虽然再性能上语言的差异确实存在着明显差异,但是我认为一个非常流行的语言,运行的快慢不会成为阻扰人们使用的因素。如果是的话,可能是由于编写的程序有问题,需要优化。本文虫虫就给大家介绍一下如何调试Python应用的性能,以及怎么对其进行优化。

Python性能调试

要进行Python性能,前提条件是要找出程序中的性能瓶颈。找出程序中影响程序性能的代码。有经验的开发者一般都能很容易能找出程序的瓶颈,但对于普通码农找出系统的问题代码则很难,为了能快捷有效的发现程序的性能瓶颈就需要进行性能调试,此处我们以一个实际例子进行介绍,以下程序是计算e的x(1..n)次的幂,其代码如下:# performance.py from decimal import * def exp(x): getcontext().prec += 2 i, lasts, s, fact, num = 0, 0, 1, 1, 1 while s != lasts: lasts = s i += 1 fact *= i num *= x s += num / fact getcontext().prec -= 2 return +s print(exp(Decimal(150))) print(exp(Decimal(400))) print(exp(Decimal(3000)))

最简单的调试

最简单且实用的调试性能调试的方法是使用Linux的time命令,time可以计算程序执行的时间:time python3 performance.py 1.393709580666379697318341937E+65 5.221469689764143950588763007E+173 7.646200989054704889310727660E+1302 real 0m15.185s user 0m15.100s sys 0m0.004s

计算前两个数的(150,400)很快,而第三个大一点时会很慢,总共要15秒多才算完,是有点卡顿(慢)。

time虽然很便捷有用,但是不能给我们详细的代码性能细节。

详细性能分析cProfile

性能分析另一个常用的方法是使用cProfile,它可以提供很多性能信息python3 -m cProfile -s time performance.py

例子中,我们使用了cProfile模块和time参数运行测试脚本,以便按内部时间(cumtime)对行进行排序。如上图所示,使用cProfile可以给很多内部的具体信息,通过我们可以知道主要耗时是由exp函数导致。知道了程序的性能瓶颈所在,我们就再说明Python性能分析和优化。

优化特定功能

知道了将性能的瓶颈所在(实例中是exp函数),我们为了进一步具体问题具体分析,我们使用一个简单装饰器,以便跳过其他代码,专门分析性能瓶颈所设计的函数。然后使用装饰器进行测试,具体代码如下:def timeit_wrapper(func): @wraps(func) def wrapper(*args, **kwargs): start = time.perf_counter() # Alternatively, you can use time.process_time() func_return_val = func(*args, **kwargs) end = time.perf_counter() print('{0:<10}.{1:<8} : {2:<8}'.format(func.__module__, func.__name__, end - start)) return func_return_val return wrapper

我们用这个装饰器来测试exp:@timeit_wrapper def exp(x): ... print('{0:<10} {1:<8} {2:^8}'.format('module', 'function', 'time')) exp(Decimal(150)) exp(Decimal(400)) exp(Decimal(3000))

结果:module function time __main__ .exp : 0.00920036411844194 __main__ .exp : 0.09822067408822477 __main__ .exp : 15.228459489066154

代码中,我们用到了time包提供time.perf_counter函数,它还提供了另外一个函数time.process_time。两者的区别在于perf_counter返回的绝对时间,包括Python程序进程未运行时的时间,它可能会受到计算机负载的影响。而process_time仅返回用户时间(不包括系统时间),这仅是程序过程时间。

性能优化

最后是Python程序的性能优化,为了让Python程序运行得更快,我们提供一些可供参考的性能优化构想和策略的,通过这些策略我们一半可以提高应用的运行速度,最高情况下可以让你的应用快30%。

使用内建数据类型

很明显,内建数据类型非常快,尤其是与自定义类型相比,比如树或者链表。因为内建程序是用C实现的,所以其性能优势是Python代码所无法比拟的。

使用lru_cache缓存/记忆

很多时候缓存非常有效,可以极大的提高性能,尤其在数值计算和涉及大量重复调用(递归)时。考虑一个例子:

上面的函数使用time.sleep(2)模拟一个耗时的代码。第一次使用参数1调用时,它将等待2秒,然后返回结果。再次调用时,由于结果已被缓存,将跳过函数的执行,直返回。用3调用时候由于参数不一样会耗时2秒,总体耗时应该为4s,我们用time 验证:real 0m4.061s user 0m0.040s sys 0m0.015s

这和我们设想的一致。

使用局部变量

基于变量作用域中查找速度相关,在函数的局部变量具有很高的速度。其次是类级属性(如self.name)和最慢的是全局变量,如time.time(最慢)。所以我们可以通过避免使用不必要的全局变量来提高性能。

使用函数

这似乎有点出乎意料,因为涉及函数的内存占用都在堆栈上,而函数返回也会有开销。但是使用函数,可以避免使用全局变量,可以提高性能。因此,可以通过将整个代码包装在main函数中只调用一次来加速代码。

避免使用属性

另一个可以是影响程序性能的操作是点运算符访问对象属性。点运算符使用__getattribute__触发会字典查找,会在代码中产生额外的开销。我们可以通过一些使用函数而不是类方法的方式避免点操作,比如下面例子

#慢代码:import re def slow_func(): for i in range(10000): re.findall(regex, line)

#快代码from re import findall def fast_func(): for i in range(10000): findall(regex, line)

使用f-string

在循环中使用格式符(%s)或.format()时,字符串操作可能会变得非常缓慢。为了进行性能优化,我们应该使用f-string。它是Python 3.6引入的很具可读性,简洁性和最快的方法。比如:s + ' ' + t ' '.join((s, t)) '%s %s' % (s, t) '{} {}'.format(s, t) Template('$s $t').substitute(s=s, t=t) # 慢代码 f'{s} {t}' # 快代码

总结

性能的调试和优化是非常重要的码农技术之一。本文中,我们提供了Python应用性能调试和优化的技巧和策略,希望能对大家有所帮助。

(文章来源:虫虫安全)

快速记忆python函数-让Python程序快速提升30%的技巧相关推荐

  1. 如何快速掌握python函数_新手如何快速入门Python编程?

    展开全部 了解 Python 编程基础 首先第一点,要能够看懂了解变量.基础语法.编程规范等,这些事能够上手编写Python 代码的前62616964757a686964616fe4b893e5b19 ...

  2. 分享几个常用的Python函数,助你快速成为Pandas大神!!

    在Python当中模块Pandas在数据分析中以及可视化当中是被使用的最多的,也是最常见的模块,模块当中提供了很多的函数和方法来应对数据清理.数据分析和数据统计,今天小编就通过20个常用的函数方法来为 ...

  3. python函数 global_**Python的函数参数传递 和 global

    函数的参数到底是传递的一份复制的值,还是对内存的引用? 我们看下面一段代码: a = [] def fun(x): x.append(1) fun(a) print(a) 想想一下:如果传递的是一份复 ...

  4. python函数理解,python对函数的理解

    函数 函数可以提高编写代码效率.代码的重用.让程序更小.模块化 可以将一段独立功能的代码集成在一个块中.封装独立功能 # 函数定义(参数名为形式参数) def 函数名(参数名): 函数体 # 调用函数 ...

  5. python函数时间,python之时间函数

    用time模块的strftime函数时间日期的格式化时间 import time print(time.strftime('%y/%m/%d %H:%M:%S %A')) 格式化符号说明格式化符号说明 ...

  6. 【Python函数】Python中的replace函数

    一.背景 在编写批量删除的接口的时候,出现入参的json信息中有多个数据.需要提取数据.方法replace. 入参: {"uuid":[115,117] } 而sql语句中需要的u ...

  7. CSDN快速涨粉秘笈---涨粉速度提升30倍

           首先,必须要强调的是,这篇文章所述的CSDN快速涨粉秘笈,是合法合规的,也是CSDN官方博客专门发文推送过的,而不是所谓的违规刷粉.        你没有看错,就是如下的CSDN官方博客 ...

  8. 微信小程序快速开发:视频指导版

    <微信小程序快速开发:视频指导版>是2017年5月由人民邮电出版社出版的图书,作者是易伟.本书根据微信小程序的内容,全面系统地介绍了微信小程序的搭建和开发.本书主要内容有小程序注册.编程基 ...

  9. python函数求绝对值abs_Python函数篇

    原标题:Python函数篇 Python内置了很多有用的函数,我们可以直接调用. 要调用一个函数,需要知道函数的 名称和 参数,比如求绝对值的函数abs,只有一个参数. 也可以在交互式命令行通过hel ...

最新文章

  1. 解密Elasticsearch技术,腾讯开源的万亿级分布式搜索分析引擎
  2. 10分钟搞懂:亿级用户的分布式数据存储解决方案
  3. java什么是对象如何创建对象_java对象的创建过程是什么
  4. python练习_如何使用Logzero在Python中练习记录
  5. android打开系统前置摄像头驱动,android 调用系统前置摄像头
  6. clone repository in git shell under windows
  7. 软件质量保证基本知识加复习建议
  8. 第一次做APP接口开发过程总结
  9. 老男孩python作业_老男孩python学习之作业一购物小程序
  10. 如何找到自己正确需要的抖音搜索关键词
  11. python基础-文本对齐(居中,左对齐,右对齐)
  12. 高频算法题冒险之旅精讲(一)之LeetCode小牛试刀五道题
  13. python生成报表并打印_使用expect+python拉取数据并生成报表
  14. 试题 算法提高 Monday-Saturday质因子
  15. 前端简单入门第十八讲 使用jQuery实现表格的隔行换色
  16. 自动驾驶的前世今生,能否直破未来潮流
  17. Java之下载word文档,java企业级应用架构
  18. python双重for循环怎么理解_理解 Python 的 for 循环
  19. centos 7.8.2003版本docker安装失败问题记录
  20. 《绝地求生》难逃衰落之命,吃鸡游戏迈入中老年?

热门文章

  1. spark 随机森林算法案例实战
  2. python nltk 入门demo
  3. 倒排索引优化 - 跳表求交集 空间换时间
  4. elasticsearch 路由文档到分片
  5. CSS三栏布局的四种方法
  6. git用ssh方式下载和提交代码
  7. [NOI2008]志愿者招募
  8. Anaconda+用conda创建python虚拟环境
  9. php定界符EOF讲解
  10. java基础篇之理解synchronized的用法