锐客网

  1. 首页 > 睿知 > it技术 > >

Python优良函数 python优越性

IT技术方法

「干货」让Python性能起飞的15个技巧 ， 你知道几个呢？前言
Python 一直以来被大家所诟病的一点就是执行速度慢Python优良函数，但不可否认的是 Python 依然是Python优良函数我们学习和工作中的一大利器 。本文总结Python优良函数了15个tips有助于提升 Python 执行速度、优化性能 。
关于 Python 如何精确地测量程序的执行时间，这个问题看起来简单其实很复杂，因为程序的执行时间受到很多因素的影响，例如操作系统、Python 版本以及相关硬件（CPU 性能、内存读写速度）等 。在同一台电脑上运行相同版本的语言时，上述因素就是确定的了，但是程序的睡眠时间依然是变化的，且电脑上正在运行的其Python优良函数他程序也会对实验有干扰，因此严格来说这就是实验不可重复 。
Python优良函数我了解到的关于计时比较有代表性的两个库就是time和timeit。
其中，time库中有time()、perf_counter()以及process_time()三个函数可用来计时（以秒为单位） ， 加后缀_ns表示以纳秒计时（自 Python3.7 始） 。在此之前还有clock()函数，但是在 Python3.3 之后被移除了 。上述三者的区别如下：
与time库相比，timeit有两个优点：
timeit.timeit(stmt='pass', setup='pass', timer= , number=1000000, globals=None)参数说明：
本文所有的计时均采用timeit方法，且采用默认的执行次数一百万次 。
为什么要执行一百万次呢？因为我们的测试程序很短 ， 如果不执行这么多次的话，根本看不出差距 。
Exp1：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0.5267724000000005s，方法二耗时0.41462569999999843s，性能提升21.29%
Exp2：求两个list的交集 。
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0.9507264000000006s ，方法二耗时0.6148200999999993s ，性能提升35.33%
关于set()的语法：|、、-分别表示求并集、交集、差集 。
我们可以通过多种方式对序列进行排序，但其实自己编写排序算法的方法有些得不偿失 。因为内置的sort()或sorted()方法已经足够优秀了，且利用参数key可以实现不同的功能，非常灵活 。二者的区别是sort()方法仅被定义在list中，而sorted()是全局方法对所有的可迭代序列都有效 。
Exp3：分别使用快排和sort()方法对同一列表排序 。
测试数组：lists = [2,1,4,3,0] 。
方法一
方法二
方法一耗时2.4796975000000003s ， 方法二耗时0.05551999999999424s ，性能提升97.76%
顺带一提，sorted()方法耗时0.1339823999987857s。
可以看出，sort()作为list专属的排序方法还是很强的，sorted()虽然比前者慢一点，但是胜在它“不挑食”，它对所有的可迭代序列都有效 。
扩展 ：如何定义sort()或sorted()方法的key
1.通过lambda定义
2.通过operator定义
operator的itemgetter()适用于普通数组排序，attrgetter()适用于对象数组排序
3.通过cmp_to_key()定义，最为灵活
Exp4：统计字符串中每个字符出现的次数 。
测试数组：sentence='life is short, i choose python' 。
方法一
方法二
方法一耗时2.8105250000000055s，方法二耗时1.6317423000000062s，性能提升41.94%
列表推导（list comprehension）短小精悍 。在小代码片段中 ， 可能没有太大的区别 。但是在大型开发中，它可以节省一些时间 。
Exp5：对列表中的奇数求平方，偶数不变 。
测试数组：oldlist = range(10) 。
方法一
方法二
方法一耗时1.5342976000000021s，方法二耗时1.4181957999999923s，性能提升7.57%
大多数人都习惯使用来连接字符串 。但其实，这种方法非常低效 。因为，操作在每一步中都会创建一个新字符串并复制旧字符串 。更好的方法是用join()来连接字符串 。关于字符串的其他操作，也尽量使用内置函数，如isalpha()、isdigit()、startswith()、endswith()等 。
Exp6：将字符串列表中的元素连接起来 。
测试数组：oldlist = ['life', 'is', 'short', 'i', 'choose', 'python'] 。
方法一
【Python优良函数 python优越性】方法二
方法一耗时0.27489080000000854s，方法二耗时0.08166570000000206s ，性能提升70.29%
join还有一个非常舒服的点，就是它可以指定连接的分隔符 ， 举个例子
life//is//short//i//choose//python
Exp6：交换x，y的值 。
测试数据：x, y = 100, 200 。
方法一
方法二
方法一耗时0.027853900000010867s ，方法二耗时0.02398730000000171s，性能提升13.88%
在不知道确切的循环次数时，常规方法是使用while True进行无限循环，在代码块中判断是否满足循环终止条件 。虽然这样做没有任何问题 ， 但while 1的执行速度比while True更快 。因为它是一种数值转换，可以更快地生成输出 。
Exp8：分别用while 1和while True循环 100 次 。
方法一
方法二
方法一耗时3.679268300000004s ， 方法二耗时3.607847499999991s ， 性能提升 1.94%
将文件存储在高速缓存中有助于快速恢复功能 。Python 支持装饰器缓存 ， 该缓存在内存中维护特定类型的缓存，以实现最佳软件驱动速度 。我们使用lru_cache装饰器来为斐波那契函数提供缓存功能，在使用fibonacci递归函数时，存在大量的重复计算，例如fibonacci(1)、fibonacci(2)就运行了很多次 。而在使用了lru_cache后 ， 所有的重复计算只会执行一次，从而大大提高程序的执行效率 。
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 。
有很多优秀的第三方库，它们的底层可能是用 C 和 Fortran 来实现的 ， 像这样的库用起来绝对不会吃亏，比如前文提到的 Numpy 和 Numba，它们带来的提升都是非常惊人的 。类似这样的库还有很多，比如Cython、PyPy等，这里我只是抛砖引玉 。
原文链接：
Python 高阶函数的使用1. Python有哪些高阶函数，功能分别是什么
Python有三大高阶函数，分别是map、reduce、filter函数 。
2. map高阶函数
map函数有两个参数，第一个参数要求传递一个函数对象，第二个参数要求传递一个可迭代序列 。直接看案例
运行结果：
3. reduce高阶函数
reduce高阶函数位于functools模块中 ， 使用前需要先进行导入 。reduce高阶函数可以有三个参数，第一个参数要求传递一个函数对象（必传），第二个参数要求传递一个可迭代序列（必传），第三个函数是一个初始值（不必传，可以有默认值） 。直接看案例
运行结果：
4. filter高阶函数
filter高阶函数有两个参数，第一个参数是一个函数对象，第二个参数是一个可迭代序列 。直接看案例
运行结果：
Python中的常用内置函数有哪些呢？（1）Lambda函数
用于创建匿名函数，即没有名称的函数 。它只是一个表达式 ， 函数体比def简单很多 。当我们需要创建一个函数来执行单个操作并且可以在一行中编写时，就可以用到匿名函数了 。
Lamdba的主体是一个表达式，而不是一个代码块 。仅仅能在lambda表达式中封装有限的逻辑进去 。
利用Lamdba函数，往往可以将代码简化许多 。
（2）Map函数
会将一个函数映射到一个输入列表的所有元素上，比如我们先创建了一个函数来返回一个大写的输入单词，然后将此函数应有到列表colors中的所有元素 。
我们还可以使用匿名函数lamdba来配合map函数，这样可以更加精简 。
（3）Reduce函数
当需要对一个列表进行一些计算并返回结果时，reduce()是个非常有用的函数 。举个例子，当需要计算一个整数列表所有元素的乘积时，即可使用reduce函数实现 。
它与函数的最大的区别就是，reduce()里的映射函数(function)接收两个参数，而map接收一个参数 。
（4）enumerate函数
用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在for循环当中 。
它的两个参数 ， 一个是序列、迭代器或其他支持迭代对象;另一个是下标起始位置，默认情况从0开始，也可以自定义计数器的起始编号 。
（5）Zip函数
用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表
当我们使用zip()函数时 ， 如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同 。
Python优良函数的介绍就聊到这里吧，感谢你花时间阅读本站内容 ， 更多关于python优越性、Python优良函数的信息别忘了在本站进行查找喔 。

    推荐阅读


    上一篇：如何确认服务器的位数？ 怎么查看服务器是多少位

    下一篇：ios收费游戏怎么免费下载，怎么免费安装苹果收费游戏