讨厌Python的人总是说，他们不想使用它的原因之一是它很 慢。嗯，特定程序(无论使用何种编程语言)是快还是慢，在很大程度上取决于编写该程序的开发人员以及编写优化而 快速的 程序的技能和能力 。

因此，让我们证明一些人是错误的，让我们看看如何改善Python程序的性能 并使它们真正更快！

时序分析

在开始进行任何优化之前，我们首先需要找出代码的哪些部分实际上会使整个程序变慢。有时程序的瓶颈可能很明显，但是如果您不知道它在哪里，那么这里有一些可供您选择的选项：

最懒惰的“配置文件”

首先，最简单和诚实的说是非常懒惰的解决方案-Unix time

命令：

如果您只想计时整个程序，这可能会起作用，通常这是不够的……

最详细的分析

另一端是 cProfile，它将为您提供 过多 信息：

在这里，我们使用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 。这给了我们 很多信息，您在上面看到的行大约是实际输出的10％。由此可见， exp 函数是罪魁祸首( Surprise，Surprise)，现在我们可以更详细地了解时序和性能分析...

时序特定功能

现在我们知道了将注意力转移到哪里，我们可能想对慢速函数计时，而不用测量其余的代码。为此，我们可以使用简单的装饰器：

然后可以将此装饰器应用于待测功能，如下所示：

这给我们这样的输出：

有一点要考虑的是 什么样的时间，我们其实(想)措施。时间包提供

time.perf_counter 和 time.process_time。此处的区别是perf_counter返回绝对值，其中包括Python程序进程未运行时的时间，因此它可能会受到计算机负载的影响。另一方面，process_time仅返回用户时间(不包括系统时间)，这仅是您的处理时间。

使其更快

现在是有趣的部分。让我们让您的Python程序运行得更快。我(大部分)不会向您展示一些可以神奇地解决您的性能问题的技巧，技巧和代码段。这更多地是关于一般构想和策略的，这些构想和策略在使用时可能会对性能产生巨大影响，在某些情况下，最高可以提高30％。

使用内置数据类型

这个很明显。内置数据类型非常快，特别是与树或链接列表之类的自定义类型相比。这主要是因为内置程序是用C实现的 ，因此在使用Python进行编码时我们的速度实在无法与之匹敌。

使用lru_cache缓存/记忆

使用局部变量

这与在每个作用域中查找变量的速度有关。我正在编写 每个作用域，因为它不只是使用局部变量还是全局变量。实际上，即使在函数(最快)，类级属性(例如self.name ，较慢)和全局变量(例如，最慢)等全局 变量之间，查找速度实际上也有所不同 time.time 。您可以通过使用看似不必要(直接无用的)的分配来提高性能，如下所示：

使用函数

这似乎违反直觉，因为调用函数会将更多的东西放到堆栈上，并从函数返回中产生开销，但这与上一点有关。如果仅将整个代码放在一个文件中而不将其放入函数中，则由于全局变量，它的运行速度会慢得多。因此，您可以通过将整个代码包装在main函数中并调用一次来加速代码 ，如下所示：

不访问属性

可能会使程序变慢的另一件事是 点运算符(.)，在访问对象属性时使用。该运算符使用触发字典查找 __getattribute__，这会在代码中产生额外的开销。那么，我们如何才能真正避免(限制)使用它呢？

当心字符串

当使用模数 (%s)或 .format()。进行循环运行时，字符串操作可能会变得非常慢 。我们有什么更好的选择？我们唯一应该使用的是 f-string，它是最易读，简洁且最快的方法。因此，根据该推文，这是您可以使用的方法列表-最快到最慢：

生成器本质上并没有更快，因为它们被允许进行惰性计算，从而节省了内存而不是时间。但是，保存的内存可能会导致您的程序实际运行得更快。怎么样？好吧，如果您有一个很大的数据集，并且没有使用生成器(迭代器)，那么数据可能会溢出CPU L1缓存，这将大大减慢内存中值的查找。

就性能而言，非常重要的一点是CPU可以将正在处理的所有数据尽可能地保存在缓存中。

结论

优化的首要规则是 不这样做。但是，如果确实需要，那么我希望这些技巧可以帮助您。但是，在优化代码时要小心，因为它可能最终使您的代码难以阅读，因此难以维护，这可能会超出优化的好处。