python如何提高工作效率,python 速度优化

　　优化python效率的方法：1。优化算法的时间复杂度；2.减少冗余数据；3.使用copy和deepcopy合理地；4.使用dict或set查找元素；5.合理使用发电机和产量。

　　优化方法：

　　(推荐教程：Python入门)

　　1、优化算法时间复杂度

　　算法的时间复杂度影响程序的执行效率。在Python中，可以通过选择适当的数据结构来优化时间复杂度。例如，在list和set中查找一个元素的时间复杂度分别为O(n)和O(1)。

　　2、减少冗余数据

　　例如上三角形或下三角形，以保存大型对称矩阵。稀疏矩阵用于0元素占多数的矩阵。

　　3、合理使用copy与deepcopy

　　对于dict、list等数据结构的对象，直接赋值使用引用的方式。在某些情况下，需要复制整个对象。在这种情况下，可以使用复制包中的copy和deepcopy。这两个函数的区别在于后者是递归复制的。效率也不同：(以下程序运行在ipython中)

　　导入副本

　　a=范围(100000)

　　%timeit-n10copy.copy(a)#运行copy.copy(a) 10次。

　　%timeit-n10copy.deepcopy(a)

　　10圈，1.55圈最佳成绩

　　1Loops，bestof:151 MSPERLOOPTIMEIT。它后面的-n表示运行次数，最后两行对应两个timeit的输出，下同。可以看出，后者慢了一个数量级。

　　4、使用dict或set查找元素

　　Python的dict和set都是用哈希表实现的(类似于c 11标准库中的unordered_map)，查找元素的时间复杂度为O(1)

　　a=范围(1000)

　　s=集合(a)

　　d=dict((i，1)foriina)

　　%timeit-n10000100ind

　　%timeit-n10000100ins

　　10000圈，最佳3333643.5圈

　　10000个循环，Bestof :49.6 NSPERLOOPDICT效率略高(且占用空间更大)。

　　5、合理使用生成器（generator）和yield

　　% time it-n100a=(iforinrange(100000))

　　% time it-n100b=[iforinrange(100000)]

　　100圈，3:1.54圈最佳成绩

　　100次循环，bestof:4.56msperloop使用()获取一个生成器对象，所需内存空间与链表大小无关，所以效率会更高。比如在具体应用中，set (I for I in range (100，000))会比set ([I for I in range (100，000)])快。

　　但是对于循环遍历的情况：

　　% time it-n10 for Xin(iforinrange(100000)): pass

　　% time it-n10 for Xin[iforinrange(100000)]: pass

　　10圈，6.51圈最佳成绩

　　1Loops，Bestof :5.54 msperloop后者效率更高，但如果循环出现中断，那么使用generator的好处是显而易见的。Yield还用于创建一个生成器：

　　defyield_func(ls):

　　foriinls:

　　伊尔地1号

　　defnot_yield_func(ls):

　　返回[I 1 for linls]

　　ls=范围(1000000)

　　% time it-n10 for iin yield _ func(ls): pass

　　% time it-n10 for iin not _ yield _ func(ls): pass

　　10圈，最佳3:63.8圈

　　1Loops，bestof:62.9 msperloop对于内存来说并不是一个非常大的列表，可以直接返回一个列表，但是可读性yield更好(个人喜好)。

　　Python2.x内置了生成器函数，如xrange函数、itertools包等。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。