程序运行慢？你怕是写的假 Python

Python程序运行太慢的一个可能的原因是没有尽可能的调用内置方法，下面通过5个例子来演示如何用内置方法提升Python程序的性能。

1. 数组求平方和

输入一个列表，要求计算出该列表中数字的的平方和。最终性能提升了1.4倍。首先创建一个长度为10000的列表。

arr = list(range(10000)) 

1.1 最常规的写法

while循环遍历列表求平方和。平均运行时间2.97毫秒。

def sum_sqr_0(arr): 
    res = 0 
    n = len(arr) 
    i = 0 
    while i < n: 
        res += arr[i] ** 2 
        i += 1 
    return res 
%timeit sum_sqr_0(arr) 
2.97 ms ± 36.4 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 

1.2 for range代替while循环

避免i += 1的变量类型检查带来的额外开销。平均运行时间2.9毫秒。

def sum_sqr_1(arr): 
    res = 0 
    for i in range(len(arr)): 
        res += arr[i] ** 2 
    return res 
%timeit sum_sqr_1(arr) 
2.9 ms ± 137 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 

1.3 for x in arr代替for range

避免arr[i]的变量类型检查带来的额外开销。平均运行时间2.59毫秒。

def sum_sqr_2(arr): 
    res = 0 
    for x in arr: 
        res += x ** 2 
    return res 
%timeit sum_sqr_2(arr) 
2.59 ms ± 89 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 

1.4 sum函数套用map函数

平均运行时间2.36毫秒

def sum_sqr_3(arr): 
    return sum(map(lambda x: x**2, arr)) 
%timeit sum_sqr_3(arr) 
2.36 ms ± 15.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 

1.5 sum函数套用生成器表达式

生成器表达式如果作为某个函数的参数，则可以省略掉()。平均运行时间2.35毫秒。

def sum_sqr_4(arr): 
    return sum(x ** 2 for x in arr) 
%timeit sum_sqr_4(arr) 
2.35 ms ± 107 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 

1. 6 sum函数套用列表推导式

平均运行时间2.06毫秒。

def sum_sqr_5(arr): 
    return sum([x ** 2 for x in arr]) 
%timeit sum_sqr_5(arr) 
2.06 ms ± 27.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each) 

2. 字符串拼接

输入一个列表，要求将列表中的字符串的前3个字符都拼接为一个字符串。最终性能提升了2.1倍。

首先创建一个列表，生成10000个随机长度和内容的字符串。

from random import randint 
 
def random_letter(): 
    return chr(ord('a') + randint(0, 25)) 
 
def random_letters(n): 
    return "".join([random_letter() for _ in range(n)]) 
 
strings = [random_letters(randint(1, 10)) for _ in range(10000)] 

2.1 最常规的写法

while循环遍历列表，对字符串进行拼接。平均运行时间1.86毫秒。

def concat_strings_0(strings): 
    res = "" 
    n = len(strings) 
    i = 0 
    while i < n: 
        res += strings[i][:3] 
        i += 1 
    return res 
%timeit concat_strings_0(strings) 
1.86 ms ± 74.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

2.2 for range代替while循环

避免i += 1的变量类型检查带来的额外开销。平均运行时间1.55毫秒。

def concat_strings_1(strings): 
    res = "" 
    for i in range(len(strings)): 
        res += strings[i][:3] 
    return res 
%timeit concat_strings_1(strings) 
1.55 ms ± 32.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

2.3 for x in strings代替for range

避免strings[i]的变量类型检查带来的额外开销。平均运行时间1.32毫秒。

def concat_strings_2(strings): 
    res = "" 
    for x in strings: 
        res += x[:3] 
    return res 
%timeit concat_strings_2(strings) 
1.32 ms ± 19.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

2.4 .join方法套用生成器表达式

平均运行时间1.06毫秒。

def concat_strings_3(strings): 
    return "".join(x[:3] for x in strings) 
%timeit concat_strings_3(strings) 
1.06 ms ± 15.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

2.5 .join方法套用列表解析式

平均运行时间0.85毫秒。

def concat_strings_4(strings): 
    return "".join([x[:3] for x in strings]) 
%timeit concat_strings_4(strings) 
858 µs ± 14.5 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

3. 筛选奇数

输入一个列表，要求筛选出该列表中的所有奇数。最终性能提升了3.6倍。

首先创建一个长度为10000的列表。

arr = list(range(10000)) 

3.1 最常规的写法

创建一个空列表res，while循环遍历列表，将奇数append到res中。平均运行时间1.03毫秒。

def filter_odd_0(arr): 
    res = [] 
    i = 0 
    n = len(arr) 
    while i < n: 
        if arr[i] % 2: 
            res.append(arr[i]) 
        i += 1 
    return res 
%timeit filter_odd_0(arr) 
1.03 ms ± 34.1 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

3.2 for range代替while循环

避免i += 1的变量类型检查带来的额外开销。平均运行时间0.965毫秒。

def filter_odd_1(arr): 
    res = [] 
    for i in range(len(arr)): 
        if arr[i] % 2: 
            res.append(arr[i]) 
        i += 1 
    return res 
%timeit filter_odd_1(arr) 
965 µs ± 4.02 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

3.3 for x in arr代替for range

避免arr[i]的变量类型检查带来的额外开销。平均运行时间0.430毫秒。

def filter_odd_2(arr): 
    res = [] 
    for x in arr: 
        if x % 2: 
            res.append(x) 
    return res 
%timeit filter_odd_2(arr) 
430 µs ± 9.25 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

3.4 list套用filter函数

平均运行时间0.763毫秒。注意filter函数很慢，在Python 3.6里非常鸡肋。

def filter_odd_3(arr): 
    return list(filter(lambda x: x % 2, arr)) 
%timeit filter_odd_3(arr) 
763 µs ± 15.9 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

3.5 list套用生成器表达式

平均运行时间0.398毫秒。

def filter_odd_4(arr): 
    return list((x for x in arr if x % 2)) 
%timeit filter_odd_4(arr) 
398 µs ± 16.4 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

3.6 带条件的列表推导式

平均运行时间0.290毫秒。

def filter_odd_5(arr): 
    return [x for x in arr if x % 2] 
%timeit filter_odd_5(arr) 
290 µs ± 5.54 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

4. 两个数组相加

输入两个长度相同的列表，要求计算出两个列表对应位置的数字之和，返回一个与输入长度相同的列表。最终性能提升了2.7倍。

首先生成两个长度为10000的列表。

arr1 = list(range(10000))  
arr2 = list(range(10000))  

4.1 最常规的写法

创建一个空列表res，while循环遍历列表，将两个列表对应的元素之和append到res中。平均运行时间1.23毫秒。

def arr_sum_0(arr1, arr2): 
    i = 0 
    n = len(arr1) 
    res = [] 
    while i < n: 
        res.append(arr1[i] + arr2[i]) 
        i += 1 
    return res 
%timeit arr_sum_0(arr1, arr2) 
1.23 ms ± 3.77 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

4.2 for range代替while循环

避免i += 1的变量类型检查带来的额外开销。平均运行时间0.997毫秒。

def arr_sum_1(arr1, arr2): 
    res = [] 
    for i in range(len(arr1)): 
        res.append(arr1[i] + arr2[i]) 
    return res 
%timeit arr_sum_1(arr1, arr2) 
997 µs ± 7.42 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

4.3 for i, x in enumerate代替for range

部分避免arr[i]的变量类型检查带来的额外开销。平均运行时间0.799毫秒。

def arr_sum_2(arr1, arr2): 
    res = arr1.copy() 
    for i, x in enumerate(arr2): 
        res[i] += x 
    return res 
%timeit arr_sum_2(arr1, arr2) 
799 µs ± 16.7 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

4.4 for x, y in zip代替for range

避免arr[i]的变量类型检查带来的额外开销。平均运行时间0.769毫秒。

def arr_sum_3(arr1, arr2): 
    res = [] 
    for x, y in zip(arr1, arr2): 
        res.append(x + y) 
    return res 
%timeit arr_sum_3(arr1, arr2) 
769 µs ± 12.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

4.5 列表推导式套用zip

平均运行时间0.462毫秒。

def arr_sum_4(arr1, arr2): 
    return [x + y for x, y in zip(arr1, arr2)] 
%timeit arr_sum_4(arr1, arr2) 
462 µs ± 3.43 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

5. 两个列表相同元素的数量

输入两个列表，要求统计两个列表相同元素的数量。其中每个列表内的元素都是不重复的。最终性能提升了5000倍。

首先创建两个列表，并将元素的顺序打乱。

from random import shuffle 
arr1 = list(range(2000)) 
shuffle(arr1) 
arr2 = list(range(1000, 3000)) 
shuffle(arr2) 

5.1 最常规的写法

while循环嵌套，判断元素arr1[i]是否等于arr2[j]，平均运行时间338毫秒。

def n_common_0(arr1, arr2): 
    res = 0 
    i = 0 
    m = len(arr1) 
    n = len(arr2) 
    while i < m: 
        j = 0 
        while j < n: 
            if arr1[i] == arr2[j]: 
                res += 1 
            j += 1 
        i += 1 
    return res 
%timeit n_common_0(arr1, arr2) 
338 ms ± 7.81 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) 

5.2 for range代替while循环

避免i += 1的变量类型检查带来的额外开销。平均运行时间233毫秒。

def n_common_1(arr1, arr2): 
    res = 0 
    for i in range(len(arr1)): 
        for j in range(len(arr2)): 
            if arr1[i] == arr2[j]: 
                res += 1 
    return res 
%timeit n_common_1(arr1, arr2) 
233 ms ± 10.9 ms per loop (mean ± std. dev. of 7 runs, 1 loop each) 

5.3 for x in arr代替for range

避免arr[i]的变量类型检查带来的额外开销。平均运行时间84.8毫秒。

def n_common_2(arr1, arr2): 
    res = 0 
    for x in arr1: 
        for y in arr2: 
            if x == y: 
                res += 1 
    return res 
%timeit n_common_2(arr1, arr2) 
84.8 ms ± 1.38 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) 

5.4 使用if x in arr2代替内层循环

平均运行时间24.9毫秒。

def n_common_3(arr1, arr2): 
    res = 0 
    for x in arr1: 
        if x in arr2: 
            res += 1 
    return res 
%timeit n_common_3(arr1, arr2) 
24.9 ms ± 1.39 ms per loop (mean ± std. dev. of 7 runs, 10 loops each) 

5.4 使用更快的算法

将数组用.sort方法排序，再进行单层循环遍历。把时间复杂度从O(n2)降低到O(nlogn)，平均运行时间0.239毫秒。

def n_common_4(arr1, arr2): 
    arr1.sort() 
    arr2.sort() 
    res = i = j = 0 
    m, n = len(arr1), len(arr2) 
    while i < m and j < n: 
        if arr1[i] == arr2[j]: 
            res += 1 
            i += 1 
            j += 1 
        elif arr1[i] > arr2[j]: 
            j += 1 
        else: 
            i += 1 
    return res 
%timeit n_common_4(arr1, arr2) 
329 µs ± 12.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) 

5.5 使用更好的数据结构

将数组转为集合，求交集的长度。平均运行时间0.067毫秒。

def n_common_5(arr1, arr2): 
    return len(set(arr1) & set(arr2)) 
%timeit n_common_5(arr1, arr2) 
67.2 µs ± 755 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each) 

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理

想要获取更多Python学习资料可以加QQ:2955637827私聊或加Q群630390733大家一起来学习讨论吧！