前言

我們都知道就速度而言，Python是比Java或C慢得多的語言。Python是動態類型化的語言，這意味著它的變量類型未預定義。動態類型是一把雙刃劍，它成就了Python成為一種優雅的語言，同時也讓Python運行速度減慢。讓我們看看一些可能對您的整體代碼性能產生重大影響的小技巧。

1. 了解你的內置函數

這一技巧有助于節省您的時間和時間與您的代碼。當我開始學習Python的時候，我以前從不使用內置函數，所以為了完成我的絕對值代碼，我會運行一個for循環而不是使用abs（）。為了把一個字符轉換成大寫字母，我甚至會把它轉換成與大寫字母等價的ASCII字符，因為我拒絕學習字符串函數。

如果你對Python是認真的，那么學習所有的Python內置函數是值得的，因為它不僅使你的代碼更整潔、更可重用，你還可以通過簡單地使用Python提供給你的東西來避免代碼中人為的低效率。

2. A，B=B，A

我確信您以前使用過“temp”作為占位符變量來交換兩個元素。我能告訴你的是，這個方法只在課堂上使用，不應該在編程時使用。

相反，可以通過將變量寫成a，b = b，a 來進行簡單的變量交換。這將在一行中切換所有變量，并防止解釋器超過三個（temp， a，b交換方法）。

這是一個小小的修復，可以節省幾分之一秒的時間——但從長遠來看，這些時間會累積起來。

3. 只在函數內導入

作為一個初學者，我們都喜歡大量導入我們認為在代碼頂部需要的所有東西。我記得有一次我導入了NumPy， Pandas， Scipy， Warnings， Math， Math， Os等等，當我完成我的代碼時，我只使用了三個庫。這會耗盡你電腦的內存。

相反，在相應的函數中導入所需的庫（如果多個函數需要相同的庫，則需要多次導入）。這意味著解釋器只會在你調用函數時完成導入，而不是在代碼的開頭。現在Python庫被緩存了，所以當你調用不同的函數時，它不會在每次導入時占用額外的時間。然而，當您最終導入頂部的所有內容，甚至不使用代碼中的一些函數時，它確實會占用更多的時間。

4. 使用Numba

這是一個小眾技巧，主要幫助使用NumPy或科學編程的人。Numba是一個Python JIT編譯器，它對函數應用裝飾器，將一些函數轉換為超快的字節代碼（幾乎與C一樣快）。Numba開始因其簡單和龐大的功能而出名。

Numba目前也支持其他功能，但是，我認為它目前主要是為科學Python開發人員提供的。

5. 從集合中檢查，而不是從列表中

這是Python優化書中最古老的技巧之一。如果存在元素，不要在列表中搜索。相反，將列表設置為set（set（list）），然后執行檢查“element in set（list）”。這個小小的改變將提高您的運行時效率，因為Python使用了可調整大小的哈希表，將平均時間復雜度提高到了O（1）。

然而，遍歷集合并不比遍歷列表快。
責編AJX