锐客网

  1. 首页 > 睿知 > it技术 > >

包含python函数执行耗时的词条( 二 )

IT技术变量


import disdef a():data = https://www.04ip.com/post/[1, 2, 3, 4, 5,6,7,8,9,10]x =data[5]return xdef b():data = (1, 2, 3, 4, 5,6,7,8,9,10)x =data[5]return xprint("-----:使用列表的机器码:------")dis.dis(a)print("-----:使用元组的机器码:------")dis.dis(b)
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

推荐阅读


上一篇：哪些显卡厂商挖矿了怎么看，显卡挖矿厂家知道

下一篇：用jquery实现微信聊天界面，jquery 微信小程序