怎么让Python程序快一点运行
本篇内容介绍了“怎么让Python程序快一点运行”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
创新互联建站于2013年开始,先为丽水等服务建站,丽水等地企业,进行企业商务咨询服务。为丽水企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。
Python性能调试
要进行Python性能,前提条件是要找出程序中的性能瓶颈。找出程序中影响程序性能的代码。有经验的开发者一般都能很容易能找出程序的瓶颈,但对于普通码农找出系统的问题代码则很难,为了能快捷有效的发现程序的性能瓶颈就需要进行性能调试,此处我们以一个实际例子进行介绍,以下程序是计算e的x(1..n)次的幂,其代码如下:
# performance.py from decimal import * def exp(x): getcontext().prec += 2 i, lasts, s, fact, num = 0, 0, 1, 1, 1 while s != lasts: lasts = s i += 1 fact *= i num *= x s += num / fact getcontext().prec -= 2 return +s print(exp(Decimal(150))) print(exp(Decimal(400))) print(exp(Decimal(3000)))
最简单的调试
最简单且实用的调试性能调试的方法是使用Linux的time命令,time可以计算程序执行的时间:
time python3 performance.py 1.393709580666379697318341937E+65 5.221469689764143950588763007E+173 7.646200989054704889310727660E+1302 real 0m15.185s user 0m15.100s sys 0m0.004s
计算前两个数的(150,400)很快,而第三个大一点时会很慢,总共要15秒多才算完,是有点卡顿(慢)。
time虽然很便捷有用,但是不能给我们详细的代码性能细节。
详细性能分析cProfile
性能分析另一个常用的方法是使用cProfile,它可以提供很多性能信息
python3 -m cProfile -s time performance.py
例子中,我们使用了cProfile模块和time参数运行测试脚本,以便按内部时间(cumtime)对行进行排序。如上图所示,使用cProfile可以给很多内部的具体信息,通过我们可以知道主要耗时是由exp函数导致。知道了程序的性能瓶颈所在,我们就再说明Python性能分析和优化。
优化特定功能
知道了将性能的瓶颈所在(实例中是exp函数),我们为了进一步具体问题具体分析,我们使用一个简单装饰器,以便跳过其他代码,专门分析性能瓶颈所设计的函数。然后使用装饰器进行测试,具体代码如下:
def timeit_wrapper(func): @wraps(func) def wrapper(*args, **kwargs): start = time.perf_counter() # Alternatively, you can use time.process_time() func_return_val = func(*args, **kwargs) end = time.perf_counter() print('{0:<10}.{1:<8} : {2:<8}'.format(func.__module__, func.__name__, end - start)) return func_return_val return wrapper
我们用这个装饰器来测试exp:
@timeit_wrapper def exp(x): ... print('{0:<10} {1:<8} {2:^8}'.format('module', 'function', 'time')) exp(Decimal(150)) exp(Decimal(400)) exp(Decimal(3000))
结果:
module function time __main__ .exp : 0.00920036411844194 __main__ .exp : 0.09822067408822477 __main__ .exp : 15.228459489066154
代码中,我们用到了time包提供time.perf_counter函数,它还提供了另外一个函数time.process_time。两者的区别在于perf_counter返回的绝对时间,包括Python程序进程未运行时的时间,它可能会受到计算机负载的影响。而process_time仅返回用户时间(不包括系统时间),这仅是程序过程时间。
性能优化
最后是Python程序的性能优化,为了让Python程序运行得更快,我们提供一些可供参考的性能优化构想和策略的,通过这些策略我们一半可以提高应用的运行速度,最高情况下可以让你的应用快30%。
使用内建数据类型
很明显,内建数据类型非常快,尤其是与自定义类型相比,比如树或者链表。因为内建程序是用C实现的,所以其性能优势是Python代码所无法比拟的。
使用lru_cache缓存/记忆
很多时候缓存非常有效,可以极大的提高性能,尤其在数值计算和涉及大量重复调用(递归)时。考虑一个例子:
上面的函数使用time.sleep(2)模拟一个耗时的代码。第一次使用参数1调用时,它将等待2秒,然后返回结果。再次调用时,由于结果已被缓存,将跳过函数的执行,直返回。用3调用时候由于参数不一样会耗时2秒,总体耗时应该为4s,我们用time 验证:
real 0m4.061s user 0m0.040s sys 0m0.015s
这和我们设想的一致。
使用局部变量
基于变量作用域中查找速度相关,在函数的局部变量具有很高的速度。其次是类级属性(如self.name)和最慢的是全局变量,如time.time(最慢)。所以我们可以通过避免使用不必要的全局变量来提高性能。
使用函数
这似乎有点出乎意料,因为涉及函数的内存占用都在堆栈上,而函数返回也会有开销。但是使用函数,可以避免使用全局变量,可以提高性能。因此,可以通过将整个代码包装在main函数中只调用一次来加速代码。
避免使用属性
另一个可以是影响程序性能的操作是点运算符访问对象属性。点运算符使用__getattribute__触发会字典查找,会在代码中产生额外的开销。我们可以通过一些使用函数而不是类方法的方式避免点操作,比如下面例子
#慢代码:
import re def slow_func(): for i in range(10000): re.findall(regex, line)
#快代码
from re import findall def fast_func(): for i in range(10000): findall(regex, line)
使用f-string
在循环中使用格式符(%s)或.format()时,字符串操作可能会变得非常缓慢。为了进行性能优化,我们应该使用f-string。它是Python 3.6引入的很具可读性,简洁性和最快的方法。比如:
s + ' ' + t ' '.join((s, t)) '%s %s' % (s, t) '{} {}'.format(s, t) Template('$s $t').substitute(s=s, t=t) # 慢代码 f'{s} {t}' # 快代码
“怎么让Python程序快一点运行”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!
新闻标题:怎么让Python程序快一点运行
网页地址:http://scyanting.com/article/gpjdjo.html