在互聯網編程語言盛行的今天，Python是比較流行的編程語言之一。但很多程序員對于Python代碼性能的方法并不了解。今天這里主要為大家介紹三種提高Python代碼性能的簡便方法，即是一是基準，基準，基準、二是盡可能避免循環和三使用Cython編譯Python模塊三點內容。通過這三種方法，如果您想在Jupyter筆記本電腦中利用Cython，可以使用%% Cython魔術，最終以最小的編譯函數。

　　1.基準，基準，基準

基準測試聽起來像是一個繁瑣的過程，但是如果您已經將工作代碼分為多個函數，則可以像在要分析的函數中添加裝飾器一樣簡單。

首先，讓我們安裝line_profiler，以便我們可以測量函數中每行代碼所花費的時間：

pip3 install line_profiler

這提供了一個裝飾器（@profile），可用于逐行對代碼中的任何函數進行基準測試。例如，假設我們有以下代碼：

#filename: test.py@profiledef sum_of_lists(ls):

'''Calculates the sum of an input list of lists'''

s = 0

for l in ls:

for val in l:

s += val

return s

#create a list of lists

smallrange = list(range(10000))

inlist = [smallrange, smallrange, smallrange, smallrange]#now sum them

list_sum = sum_of_lists(inlist)

print(list_sum)

這將在調用sum_of_lists函數時對其進行概要分析 -請注意函數定義上方的@profile裝飾器。

現在，我們可以通過執行以下操作來分析代碼：

python3 -m line_profiler test.py

這給了我們：

第5列顯示了在每一行上花費的運行時的百分比-這將使您指向最需要優化的代碼部分，因為這是花費大部分運行時的地方。

請記住，此基準測試庫具有大量開銷，但是它非常適合在代碼中查找弱點并將其替換為更有效率的東西。

要在Jupyter筆記本中運行line_profiler，請查看%% lprun magic命令。

　　2.盡可能避免循環

在許多情況下，在python中使用map，list comprehensions或numpy.vectorize（通常是最快的）之類的操作而不是循環，可以在不進行大量工作的情況下顯著提高性能，因為這些操作在內部進行了優化。讓我們通過將嵌套循環替換為map和sum來稍微修改前面的示例：

#filename: test_map.pydef sum_of_lists_map(ls):

'''Calculates the sum of an input list of lists'''

return(sum(list(map(sum,ls))))#create a list of lists

smallrange = list(range(10000))

inlist = [smallrange,smallrange,smallrange,smallrange]#now sum them

list_sum = sum_of_lists_map(inlist)

print(list_sum)

讓我們將新地圖版本定時1000次，以了解它們與原始地圖相比的效果：

地圖版本比原始版本快6倍以上！

　　3.使用Cython編譯Python模塊

如果您根本不想修改項目，但仍然希望免費獲得一些性能提升，則Cython是您的朋友。

盡管Cython不是通用的python C編譯器，但是Cython允許您將python模塊編譯為共享對象文件(.so)，可以由您的主要python腳本加載。

為此，您將需要在計算機上安裝Cython以及C編譯器：

pip3 install cython

如果您使用的是Debian，則可以執行以下操作下載GCC：

sudo apt install gcc

讓我們將示例代碼分成2個文件，分別名為test_cython.py和test_module.pyx：

#filename: test_module.pyxdef sum_of_lists(ls):

'''Calculates the sum of an input list of lists'''

s = 0

for l in ls:

for val in l:

s += val

return s

我們的主文件必須從test_module.pyx文件導入此功能：

#filename: test_cython.pyfrom test_module import *#create a list of lists

smallrange = list(range(10000))

inlist = [smallrange,smallrange,smallrange,smallrange]#now sum them

list_sum = sum_of_lists(inlist)

print(list_sum)

現在讓我們定義一個setup.py文件來使用Cython編譯我們的模塊：

#filename: setup.pyfrom setuptools import setupfrom Cython.Build import cythonize

setup(

ext_modules = cythonize("test_module.pyx")

)

最后，是時候編譯我們的模塊了：

python3 setup.py build_ext --inplace

現在，通過對它們進行1000次計時，可以看到該版本與原始版本相比有何改進：

在這種情況下，Cython的速度比原始速度提高了近2倍，但這取決于您要優化的代碼類型。

以上即是關于三種提高Python代碼性能的簡便方法的全部內容，想了解更多關于Python的信息，請繼續關注中培信息。