锐客网

  1. 首页 > 睿知 > it技术 > >

python函数小技巧 python 函数( 五 )

IT技术安全性


Exp9：求斐波那契数列 。
测试数据：fibonacci(7) 。
方法一
方法二
方法一耗时3.955014900000009s ，方法二耗时0.05077979999998661s  ， 性能提升98.72%
注意事项：
我被执行了（执行了两次demo(1, 2)，却只输出一次）
functools.lru_cache(maxsize=128, typed=False)的两个可选参数：
点运算符(.)用来访问对象的属性或方法，这会引起程序使用__getattribute__()和__getattr__()进行字典查找，从而带来不必要的开销 。尤其注意，在循环当中 ， 更要减少点运算符的使用，应该将它移到循环外处理 。
这启发我们应该尽量使用from ... import ...这种方式来导包，而不是在需要使用某方法时通过点运算符来获取 。其实不光是点运算符，其他很多不必要的运算我们都尽量移到循环外处理 。
Exp10：将字符串数组中的小写字母转为大写字母 。
测试数组为 oldlist = ['life', 'is', 'short', 'i', 'choose', 'python'] 。
方法一
方法二
方法一耗时0.7235491999999795s，方法二耗时0.5475435999999831s，性能提升24.33%
当我们知道具体要循环多少次时，使用for循环比使用while循环更好 。
Exp12：使用for和while分别循环 100 次 。
方法一
方法二
方法一耗时3.894683299999997s  ， 方法二耗时1.0198077999999953s，性能提升 73.82%
Numba 可以将 Python 函数编译码为机器码执行 ， 大大提高代码执行速度，甚至可以接近 C 或 FORTRAN 的速度 。它能和 Numpy 配合使用，在 for 循环中或存在大量计算时能显著地提高执行效率 。
Exp12：求从 1 加到 100 的和 。
方法一
方法二
方法一耗时3.7199997000000167s，方法二耗时0.23769430000001535s，性能提升93.61%
矢量化是 NumPy 中的一种强大功能，可以将操作表达为在整个数组上而不是在各个元素上发生 。这种用数组表达式替换显式循环的做法通常称为矢量化 。
在 Python 中循环数组或任何数据结构时，会涉及很多开销 。NumPy 中的向量化操作将内部循环委托给高度优化的 C 和 Fortran 函数，从而使 Python 代码更加快速 。
Exp13：两个长度相同的序列逐元素相乘 。
测试数组：a = [1,2,3,4,5], b = [2,4,6,8,10]
方法一
方法二
方法一耗时0.6706845000000214s ，方法二耗时0.3070132000000001s ，性能提升54.22%
若要检查列表中是否包含某成员，通常使用in关键字更快 。
Exp14：检查列表中是否包含某成员 。
测试数组：lists = ['life', 'is', 'short', 'i', 'choose', 'python']
方法一
方法二
方法一耗时0.16038449999999216s ，方法二耗时0.04139250000000061s  ， 性能提升74.19%
itertools是用来操作迭代器的一个模块，其函数主要可以分为三类：无限迭代器、有限迭代器、组合迭代器 。
Exp15：返回列表的全排列 。
测试数组：["Alice", "Bob", "Carol"]
方法一
方法二
方法一耗时3.867292899999484s  ， 方法二耗时0.3875405000007959s，性能提升89.98%
根据上面的测试数据，我绘制了下面这张实验结果图，可以更加直观的看出不同方法带来的性能差异 。
从图中可以看出，大部分的技巧所带来的性能增幅还是比较可观的，但也有少部分技巧的增幅较?。ɡ绫嗪?、7、8，其中 ， 第 8 条的两种方法几乎没有差异） 。
总结下来，我觉得其实就是下面这两条原则：
内置库函数由专业的开发人员编写并经过了多次测试，很多库函数的底层是用C语言开发的 。因此，这些函数总体来说是非常高效的（比如sort()、join()等），自己编写的方法很难超越它们 ， 还不如省省功夫，不要重复造轮子了，何况你造的轮子可能更差 。所以，如果函数库中已经存在该函数，就直接拿来用 。

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