在網際網路程式語言盛行的今天，Python是比較流行的程式語言之一。但很多程式設計師對於Python程式碼效能的方法並不瞭解。今天這裡主要為大家介紹三種提高Python程式碼效能的簡便方法，即是一是基準，基準，基準、二是儘可能避免迴圈和三使用Cython編譯Python模組三點內容。通過這三種方法，如果您想在Jupyter膝上型電腦中利用Cython，可以使用%% Cython魔術，最終以最小的編譯函式。
1.基準，基準，基準
基準測試聽起來像是一個繁瑣的過程，但是如果您已經將工作程式碼分為多個函式，則可以像在要分析的函式中新增裝飾器一樣簡單。
首先，讓我們安裝line_profiler，以便我們可以測量函式中每行程式碼所花費的時間：
pip3 install line_profiler
這提供了一個裝飾器(@profile)，可用於逐行對程式碼中的任何函式進行基準測試。例如，假設我們有以下程式碼：
#filename: test.py@profiledef sum_of_lists(ls):www.zpedu.com/
‘’’Calculates the sum of an input list of lists’’’
s = 0
for l in ls:
for val in l:
s += val
return s
#create a list of lists
smallrange = list(range(10000))
inlist = [smallrange, smallrange, smallrange, smallrange]#now sum them
list_sum = sum_of_lists(inlist)
print(list_sum)
這將在呼叫sum_of_lists函式時對其進行概要分析 -請注意函式定義上方的@profile裝飾器。
現在，我們可以通過執行以下操作來分析程式碼：
python3 -m line_profiler test.py
這給了我們：
第5列顯示了在每一行上花費的執行時的百分比-這將使您指向最需要優化的程式碼部分，因為這是花費大部分執行時的地方。
請記住，此基準測試庫具有大量開銷，但是它非常適合在程式碼中查詢弱點並將其替換為更有效率的東西。
要在Jupyter筆記本中執行line_profiler，請檢視%% lprun magic命令。
2.儘可能避免迴圈
在許多情況下，在python中使用map，list comprehensions或numpy.vectorize(通常是最快的)之類的操作而不是迴圈，可以在不進行大量工作的情況下顯著提高效能，因為這些操作在內部進行了優化。讓我們通過將巢狀迴圈替換為map和sum來稍微修改前面的示例：
#filename: test_map.pydef sum_of_lists_map(ls):
‘’’Calculates the sum of an input list of lists’’’
return(sum(list(map(sum,ls))))#create a list of lists
smallrange = list(range(10000))
inlist = [smallrange,smallrange,smallrange,smallrange]#now sum them
list_sum = sum_of_lists_map(inlist)
print(list_sum)
讓我們將新地圖版本定時1000次，以瞭解它們與原始地圖相比的效果：
地圖版本比原始版本快6倍以上!
3.使用Cython編譯Python模組
如果您根本不想修改專案，但仍然希望免費獲得一些效能提升，則Cython是您的朋友。
儘管Cython不是通用的python C編譯器，但是Cython允許您將python模組編譯為共享物件檔案(.so)，可以由您的主要python指令碼載入。
為此，您將需要在計算機上安裝Cython以及C編譯器：
pip3 install cython
如果您使用的是Debian，則可以執行以下操作下載GCC：
sudo apt install gcc
讓我們將示例程式碼分成2個檔案，分別名為test_cython.py和test_module.pyx：
#filename: test_module.pyxdef sum_of_lists(ls):
‘’’Calculates the sum of an input list of lists’’’
s = 0
for l in ls:
for val in l:
s += val
return s
我們的主檔案必須從test_module.pyx檔案匯入此功能：
#filename: test_cython.pyfrom test_module import *#create a list of lists
smallrange = list(range(10000))
inlist = [smallrange,smallrange,smallrange,smallrange]#now sum them
list_sum = sum_of_lists(inlist)
print(list_sum)
現在讓我們定義一個setup.py檔案來使用Cython編譯我們的模組：
#filename: setup.pyfrom setuptools import setupfrom Cython.Build import cythonize
setup(
ext_modules = cythonize(“test_module.pyx”)
)
最後，是時候編譯我們的模組了：
python3 setup.py build_ext –inplace
現在，通過對它們進行1000次計時，可以看到該版本與原始版本相比有何改進：
在這種情況下，Cython的速度比原始速度提高了近2倍，但這取決於您要優化的程式碼型別。
本作品採用《CC 協議》，轉載必須註明作者和本文連結