锐客网

  1. 首页 > 睿知 > it技术 > >

python函数小技巧 python 函数( 二 )

IT技术安全性


运行输出:
-----:使用列表的机器码:------
3 0 LOAD_CONST 1 (1)
2 LOAD_CONST 2 (2)
4 LOAD_CONST 3 (3)
6 LOAD_CONST 4 (4)
8 LOAD_CONST 5 (5)
10 LOAD_CONST 6 (6)
12 LOAD_CONST 7 (7)
14 LOAD_CONST 8 (8)
16 LOAD_CONST 9 (9)
18 LOAD_CONST 10 (10)
20 BUILD_LIST 10
22 STORE_FAST 0 (data)
4 24 LOAD_FAST 0 (data)
26 LOAD_CONST 5 (5)
28 BINARY_SUBSCR
30 STORE_FAST 1 (x)
5 32 LOAD_FAST 1 (x)
34 RETURN_VALUE
-----:使用元组的机器码:------
7 0 LOAD_CONST 1 ((1, 2, 3, 4, 5, 6, 7, 8, 9, 10))
2 STORE_FAST 0 (data)
8 4 LOAD_FAST 0 (data)
6 LOAD_CONST 2 (5)
8 BINARY_SUBSCR
10 STORE_FAST 1 (x)
9 12 LOAD_FAST 1 (x)
14 RETURN_VALUE
看下列表的机器码，冗长而多余！
2. 善用强大的内置函数和第三方库
如果你正在使用python并且仍在自己编写一些通用函数(比如加法、减法)，那么是在侮辱python 。Python有大量的库和内置函数来帮助你不用编写这些函数 。如果研究下，那么你会惊奇地发现几乎90%的问题已经有第三方包或内置函数来解决 。
可以通过访问官方文档查看所有内置函数 。你也可以在wiki python上找到更多使用内置函数的场景 。
比如，现在我们想合并列表中的所有单词为一个句子，比较法自己编写和调用库函数的区别:
# ? 正常人能想到的方法@timeshowdef f1(list):s =""for substring in list:s += substringreturn s# ? pythonic 的方法@timeshowdef f2(list):s = "".join(list)return sl = ["I", "Love", "Python"] * 1000 # 为了看到差异 ， 我们把这个列表放大了f1(l)f2(l)
运行输出:
f1 : 0.000227 sec
f2 : 0.000031 sec
3. 少用循环
用 列表推导式 代替循环
用 迭代器 代替循环
用 filter() 代替循环
减少循环次数，精确控制，不浪费CPU
## 返回n以内的可以被7整除的所有数字 。# ? 正常人能想到的方法:@timeshowdef f_loop(n):L=[]for i in range(n):if i % 7 ==0:L.append(i)return L#? 列表推导式@timeshowdef f_list(n):L = [i for i in range(n) if i % 7 == 0]return L# ?迭代器@timeshowdef f_iter(n):L = (i for i in range(n) if i % 7 == 0)return L# ? 过滤器@timeshowdef f_filter(n):L = filter(lambda x: x % 7 == 0, range(n))return L# ? 精确控制循环次数@timeshowdef f_mind(n):L = (i*7 for i in range(n//7))return Ln = 1_000_000f_loop(n)f_list(n)f_iter(n)f_filter(n)f_mind(n)
输出为:
f_loop : 0.083017 sec
f_list : 0.056110 sec
f_iter : 0.000015 sec
f_filter : 0.000003 sec
f_mind : 0.000002 sec
谁快谁慢 ， 一眼便知！
filter配合 lambda 大法就是屌?。。?
4. 避免循环重复计算
如果你有一个迭代器，必须用它的元素做一些耗时计算 ， 比如匹配正则表达式 。你应该将正则表达式模式定义在循环之外，因为最好只编译一次模式，而不是在循环的每次迭代中一次又一次地编译它 。
只要有可能，就应该尝试在循环外进行尽可能多的运算 ， 比如将函数计算分配给局部变量 ， 然后在函数中使用它 。
# ? 应改避免的方式：@timeshowdef f_more(s):import refor i in s:m = re.search(r'a*[a-z]?c', i)# ? 更好的方式：@timeshowdef f_less(s):import reregex = re.compile(r'a*[a-z]?c')for i in s:m = regex.search(i)s = ["abctestabc"] * 1_000f_more(s)f_less(s)
输出为:
f_more : 0.001068 sec
f_less : 0.000365 sec
5. 少用内存、少用全局变量
内存占用是指程序运行时使用的内存量 。为了让Python代码运行得更快，应该减少程序的内存使用量，即尽量减少变量或对象的数量 。
Python 访问局部变量比全局变量更有效 。在有必要之前，应该始终尝试忽略声明全局变量 。一个在程序中定义过的全局变量会一直存在，直到整个程序编译完成，所以它一直占据着内存空间 。另一方面，局部变量访问更快 ， 且函数完成后即可回收 。因此，使用多个局部变量比使用全局变量会更好 。

推荐阅读


上一篇：ie8下载，ie8下载文件在哪

下一篇：js调用函数只有前面那个有效，js调用函数的几种方法