Python 性能快速優化： 系列二

注：本文的原文地址爲 Quick Python Performance Optimization: Part II

這個是 Python 性能快速優化的第二部分，第一部分請點擊這裏。

1. 使用 Map ，Reduce 和 Filter 代替 for 循環
2. 校驗 a in b， 字典 或 set 比 列表 或 元組 更好
3. 當數據量大的時候，儘量使用不可變數據類型，他們更快 元組 > 列表
4. 在一個列表中插入數據的複雜度爲 O(n)
5. 若是你須要操做列表的兩端，使用 deque

6. del - 刪除對象使用以下
   1） python 本身處理它，但確保使用了 gc 模塊
   2） 編寫 __del__ 函數
   3） 最簡單的方式，使用後調用 del

7. time.clock()

8. GIL(http://wiki.python.org/moin/GlobalInterpreterLock) - GIL is a daemon

GIL 僅僅容許一個 Python 的原生線程來運行每一個進程。阻止 CPU 級別的並行，嘗試使用 ctypes 和 原生的 C 庫來解決它，當你達到 Python 優化的最後，老是存在一個選項，可使用原生的 C 重寫慢的函數，經過 Python 的 C 綁定使用它，其餘的庫如 gevent 也是致力於解決這個問題，而且得到了成功。

TL,DR：當你寫代碼了，過一遍數據結構，迭代結構，內建和爲 GIL 建立 C 擴展，若有必要。

更新：multiprocessing 是在 GIL 的範圍以外，這意味着你可使用 multiprocessing 這個標準庫來運行多個進程。

看下個人 2013 的印度 PyCon 演講

• www.slideshare.net/atmb4u/faster-python