幫你提升Python執行效能的7 個習慣

掌握一些技巧，可儘量提高Python程式效能，也可以避免不必要的資源浪費。

儘量使用區域性變數代替全域性變數：便於維護，提高效能並節省記憶體。

使用區域性變數替換模組名字空間中的變數，例如 ls = os.linesep。一方面可以提高程式效能，區域性變數查詢速度更快；另一方面可用簡短識別符號替代冗長的模組變數，提高可讀性。

物件型別判斷時，採用isinstance()最優，採用物件型別身份（id()）次之，採用物件值（type()）比較最次。
#判斷變數num是否為整數型別

type(num) == type(0) #呼叫三次函式
type(num) is type(0) #身份比較
isinstance(num,(int)) #呼叫一次函式

不要在重複操作的內容作為引數放到迴圈條件中，避免重複運算。

 	#每次迴圈都需要重新執行len(a)
while i < len(a):
   statement
#len(a)僅執行一次
m = len(a)
while i < m:
   statement

如需使用模組X中的某個函式或物件Y，應直接使用from X import Y，而不是import X; X.Y。這樣在使用Y時，可以減少一次查詢（直譯器不必首先查詢到X模組，然後在X模組的字典中查詢Y）。

對映（比如dict等）的搜尋速度遠快於條件語句（如if等）。Python中也沒有select-case語句。

 	#if查詢
if a == 1:
   b = 10
elif a == 2:
   b = 20
...
#dict查詢，效能更優
d = {1:10,2:20,...}
b = d[a]

對序列（str、list、tuple等），直接迭代序列元素，比迭代元素的索引速度要更快。

 	a = [1,2,3]
#迭代元素
for item in a:
   print(item)
#迭代索引
for i in range(len(a)):
  print(a[i])

列表解析（list comprehension），會產生整個列表，對大量資料的迭代會產生負面效應。

而生成器表示式則不會，其不會真正建立列表，而是返回一個生成器，在需要時產生一個值（延遲計算），對記憶體更加友好。

#計算檔案f的非空字元個數
#生成器表示式
l = sum([len(word) for line in f for word in line.split()])
#列表解析
l = sum(len(word) for line in f for word in line.split())

使用eval()、exec()函式執行程式碼時，最好呼叫程式碼物件（提前透過compile()函式編譯成位元組碼），而不是直接呼叫str，可以避免多次執行重複編譯過程，提高程式效能。

正規表示式模式匹配也類似，也最好先將正規表示式模式編譯成regex物件（透過re.complie()函式），然後再執行比較和匹配。

模組中的最高階別Python語句（沒有縮排的程式碼）會在模組匯入（import）時執行（不論其是否真的必要執行）。因此，應儘量將模組所有的功能程式碼放到函式中，包括主程式相關的功能程式碼也可放到main()函式中，主程式本身呼叫main()函式。

可以在模組的main()函式中書寫測試程式碼。在主程式中，檢測name的值，如果為'main'（表示模組是被直接執行），則呼叫main(）函式，進行測試；如果為模組名字（表示模組是被呼叫），則不進行測試。

原文地址：