Python是一門優秀的語言，它能讓你在短時間內通過極少量代碼就能完成許多操作。不僅如此，它還輕松支持多任務處理，比如多進程。

不喜歡Python的人經常會吐嘈Python運行太慢。但是，事實并非如此。作為程序猿就是希望如何優化代碼，精簡代碼。今天黑馬程序員Python學科就為大家精選6條python代碼優化建議。

因為GIL的存在，Python很難充分利用多核CPU的優勢。但是，可以通過內置的模塊multiprocessing實現下面幾種并行模式：

1、 多進程并行編程

對于CPU密集型的程序，可以使用multiprocessing的Process,Pool等封裝好的類，通過多進程的方式實現并行計算。但是因為進程中的通信成本比較大，對于進程之間需要大量數據交互的程序效率未必有大的提高。

2、 多線程并行編程

對于IO密集型的程序，multiprocessing.dummy模塊使用multiprocessing的接口封裝threading，使得多線程編程也變得非常輕松(比如可以使用Pool的map接口，簡潔高效)。分布式：multiprocessing中的Managers類提供了可以在不同進程之共享數據的方式，可以在此基礎上開發出分布式的程序。 不同的業務場景可以選擇其中的一種或幾種的組合實現程序性能的優化。

3、 優化算法時間

算法的時間復雜度對程序的執行效率影響最大，在Python中可以通過選擇合適的數據結構來優化時間復雜度，如list和set查找某一個元素的時間復雜度分別是O(n)和O(1)。不同的場景有不同的優化方式，總得來說，一般有分治，分支界限，貪心，動態規劃等思想。
例如：set的用法
set的union，intersection，difference操作要比list的迭代要快。因此如果涉及到求list交集，并集或者差的問題可以轉換為set來操作。

4、 針對循環的優化

每種編程語言都會強調需要優化循環。當使用Python的時候，你可以依靠大量的技巧使得循環運行得更快。然而，開發者經常漏掉的一個方法是：避免在一個循環中使用點操作。例如，考慮下面的代碼：
每一次你調用方法str.upper，Python都會求該方法的值。然而，如果你用一個變量代替求得的值，值就變成了已知的，Python就可以更快地執行任務。優化循環的關鍵，是要減少Python在循環內部執行的工作量，因為Python原生的解釋器在那種情況下，真的會減緩執行的速度。
lowerlist = ['this', 'is', 'lowercase']
upper = str.upper
upperlist = []
append = upperlist.append
for word in lowerlist:
append(upper(word))
print(upperlist)
#Output = ['THIS', 'IS', 'LOWERCASE']

5、 函數選擇

在循環的時候使用xrange而不是range；使用xrange可以節省大量的系統內存，因為xrange()在序列中每次調用只產生一個整數元素。而range()將直接返回完整的元素列表，用于循環時會有不必要的開銷。在python3中xrange不再存在，里面range提供一個可以遍歷任意長度的范圍的iterator。

6、 使用性能分析工具

除了上面在ipython使用到的timeit模塊，還有cProfile。cProfile的使用方式也非常簡單：python–m cProfile filename.py，filename.py是要運行程序的文件名，可以在標準輸出中看到每一個函數被調用的次數和運行的時間，從而找到程序的性能瓶頸，然后可以有針對性地優化。

關注公眾賬號

【飛馬會】

▼

往期福利關注飛馬會公眾號，回復對應關鍵詞打包下載學習資料；回復“入群”，加入飛馬網AI、大數據、項目經理學習群，和優秀的人一起成長！

微軟大牛人工智能系列課

（掃碼試聽或訂閱）

m.qlchat.com/live/channe… (二維碼自動識別)

回復 數字“1”下載從入門到研究，人工智能領域最值得一讀的10本資料（附下載）

回復 數字“2”機器學習 & 數據科學必讀的經典書籍，內附資料包！

回復 數字“3”走進AI & ML：從基本的統計學到機器學習書單（附PDF下載）

回復 數字“4”了解人工智能，30份書單不容錯過（附電子版PDF下載）

回復 數字“6”AI人工智能：54份行業重磅報告匯總（附下載）

回復 數字“7”TensorFlow介紹、安裝教程、圖像識別應用（附安裝包/指南）

回復 數字“10”麥肯錫160頁報告：2030年全球將可能8億人要被機器搶飯碗

回復 數字“12”小白| Python+Matlab+機器學習+深度神經網絡+理論+實踐+視頻+課件+源碼，附下載！

回復 數字“14”小白| 機器學習和深度學習必讀書籍+機器學習實戰視頻/PPT+大數據分析書籍推薦！

回復 數字“16”100G Python從入門到精通！自學必備全套視頻教程+python經典書籍！

回復 數字“17”【干貨】31篇關于深度學習必讀論文匯總(附論文下載地址)

回復 數字“18”526份行業報告+白皮書：AI人工智能、機器人、智能出行、智能家居、物聯網、VR/AR、 區塊鏈等（附下載）

回復 數字“19”800G人工智能學習資料:AI電子書+Python語言入門+教程+機器學習等限時免費領取！

回復 數字“20”17張思維導圖，一網打盡機器學習統計基礎（附下載）

回復 數字“22”吳恩達新書，教你構建機器學習項目：《Machine Learning Yearning》

回復 數字“23”機器學習：怎樣才能做到從入門到不放棄？（內含福利）

回復 數字“24”限時下載 | 132G編程資料：Python、JAVA、C，C++、機器人編程、PLC，入門到精通~

回復 數字“25”限資源 | 177G Python/機器學習/深度學習/算法/TensorFlow等視頻，涵蓋入門/中級/項目各階段！

回復 數字“26”人工智能入門書單推薦，學習AI的請收藏好（附PDF下載）

回復 數字“27”資源 | 吳恩達斯坦福CS230深度學習課程全套資料放出（附下載）

回復 人工智能下載《FMI人工智能與大數據峰會嘉賓演講PPT》

回復 AI 江湖下載《十大AI江湖領域》

回復 ML實踐下載《機器學習實踐經驗指導（英文版）》

回復 DL論文下載《深度學習100篇以上論文資料》

回復 算法 下載《數據挖掘十大經典算法》

回復 6.10 下載《6.10餓了么&飛馬網項目管理實踐PPT》

總結

以上是生活随笔為你收集整理的提高Python运行效率的6大技巧！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。