摘要：这意味着一级优化，而不是进入冗长的优化序列。使用创建生成器以及尽可能使用，它们比正常的列表方式更快。让我继续下一个层次的第二部分快速优化技巧
注： 本文的原文地址 quick-python-performance-optimization-part-i
Python可能最容易扼杀你的想法，但不是最好的代码实现。尽管强烈反对过早优化，但在 Python 代码中一点点的优化都可能带来巨大的性能提升。
解释仅仅是目的，最正确的方式是天天使用 Python 编程，并且与性能影响相关。
%timeit (per line) 和 %prun (cProfile) 在 ipython 的交互式 Shell 中
当你的代码在工作时，分析你的代码，并且尝试找出性能瓶颈在哪里。这不与过早的优化是万恶之源这个事实相反。这意味着一级优化，而不是进入冗长的优化序列。
更多的分析你的 Python 代码，你需要阅读这个 python-performance-analysis
另外一个有趣的包， line_profiler 是一行一行的分析代码
分析 line_profiler
降低方法调用次数，如果你有一个列表需要操作，传递整个列表，而不是遍历整个列表并且传递每个元素给函数并返回。
使用 xrange 代替 range。（在 Python2.x 中这样做，因为 Python 3.x 中是默认的）
xrange 是 range 的 C 实现，着眼于有效的内存使用。
对于大数据，使用 numpy，它比标准的数据结构好很多。
"".join(string) 比 + or += 好
while 1 比 while True 快
list comphrension > for loop > while
列表推导比循环遍历列表快，但 while loop 是最慢的，需要使用一个外部计数器。
使用 cProfile，cStringIO 和 cPickle
一直使用 C 版本的模块
使用局部变量
局部变量比全局变量，内建类型以及属性快。
列表和迭代器版本存在 - 迭代器是内存效率和可伸缩性的。使用 itertools
创建生成器以及尽可能使用 yeild，它们比正常的列表方式更快。
http://www.diveinto.org/python3/iterators.html
http://stackoverflow.com/questions/231767/the-python-yield-keyword-explained
让我继续下一个层次的第二部分快速优化技巧
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/37301.html
摘要：注本文的原文地址为这个是性能快速优化的第二部分，第一部分请点击这里。当你写代码了，过一遍数据结构，迭代结构，内建和为创建扩展，如有必要。更新是在的范围之外，这意味着你可以使用这个标准库来运行多个进程。看下我的的印度演讲 注：本文的原文地址为 Quick Python Performance Optimization: Part II 这个是 Python 性能快速优化的第二部...
摘要：铺垫已了，进入今天的正题，猫荐书系列之五高性能编程本书适合已入门还想要进阶和提高的读者阅读。书中列举了两个惨痛的教训华尔街公司骑士资本由于软件升级引入的错误，损失亿美元公司小时全球中断的严重事故。 showImg(https://segmentfault.com/img/bVbm92w?w=6720&h=4480); 稍微关心编程语言的使用趋势的人都知道，最近几年，国内最火的两种语言非...
摘要：铺垫已了，进入今天的正题，猫荐书系列之五高性能编程本书适合已入门还想要进阶和提高的读者阅读。书中列举了两个惨痛的教训华尔街公司骑士资本由于软件升级引入的错误，损失亿美元公司小时全球中断的严重事故。 showImg(https://segmentfault.com/img/bVbm92w?w=6720&h=4480); 稍微关心编程语言的使用趋势的人都知道，最近几年，国内最火的两种语言非...
阅读 534·2021-11-15 11:39
阅读 2608·2021-10-08 10:04
阅读 3157·2019-08-30 10:57
阅读 2793·2019-08-26 13:25
阅读 1774·2019-08-26 12:14
阅读 2519·2019-08-23 15:27
阅读 2874·2019-08-23 15:18
阅读 1630·2019-08-23 14:26
