Python 性能快速優化： 系列一

注： 本文的原文地址 quick-python-performance-optimization-part-i

Python可能最容易扼殺你的想法，但不是最好的代碼實現。儘管強烈反對過早優化，但在 Python 代碼中一點點的優化均可能帶來巨大的性能提高。

解釋僅僅是目的，最正確的方式是每天使用 Python 編程，而且與性能影響相關。

• %timeit (per line) 和 %prun (cProfile) 在 ipython 的交互式 Shell 中

當你的代碼在工做時，分析你的代碼，而且嘗試找出性能瓶頸在哪裏。這不與過早的優化是萬惡之源這個事實相反。這意味着一級優化，而不是進入冗長的優化序列。

更多的分析你的 Python 代碼，你須要閱讀這個 python-performance-analysis

另一個有趣的包， line_profiler 是一行一行的分析代碼
分析 line_profiler

• 下降方法調用次數，若是你有一個列表須要操做，傳遞整個列表，而不是遍歷整個列表而且傳遞每一個元素給函數並返回。
• 使用 xrange 代替 range。（在 Python2.x 中這樣作，由於 Python 3.x 中是默認的）

xrange 是 range 的 C 實現，着眼於有效的內存使用。

• 對於大數據，使用 numpy，它比標準的數據結構好不少。

• "".join(string) 比 + or += 好

• while 1 比 while True 快

• list comphrension > for loop > while

列表推導比循環遍歷列表快，但 while loop 是最慢的，須要使用一個外部計數器。

• 使用 cProfile，cStringIO 和 cPickle

一直使用 C 版本的模塊

• 使用局部變量

局部變量比全局變量，內建類型以及屬性快。

• 列表和迭代器版本存在 - 迭代器是內存效率和可伸縮性的。使用 itertools

建立生成器以及儘量使用 yeild，它們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

讓我繼續下一個層次的第二部分快速優化技巧