提升 Python 程序性能的好习惯

掌握一些技巧，可尽量提高 Python m程序性能，也可以避免不必要的资源浪费。

尽量使用局部变量代替全局变量：便于维护，提高性能并节省内存。

使用局部变量替换模块名字空间中的变量，例如 ls = os.linesep。一方面可以提高程序性能，局部变量查找速度更快；另一方面可用简短标识符替代冗长的模块变量，提高可读性。

对象类型判断时，采用 isinstance() 最优，采用对象类型身份（id()）次之，采用对象值（type()）比较最次。

# 判断变量num是否为整数类型
num = 132

type(num) == type(0)  #调用三次函数

True

type(num) is type(0) #身份比较

True

isinstance(num, (int)) #调用一次函数

True

不要在重复操作的内容作为参数放到循环条件中，避免重复运算。

#每次循环都需要重新执行len(a)

while i < len(a):
    statement

# -------------------------

#len(a)仅执行一次

m = len(a)
while i < m:
     statement

如需使用模块X中的某个函数或对象Y，应直接使用 from X import Y，而不是 import X; X.Y。这样在使用 Y 时，可以减少一次查询（解释器不必首先查找到 X 模块，然后在 X 模块的字典中查找 Y）。

映射（比如dict等）的搜索速度远快于条件语句（如 if 等）。Python 中也没有 select-case 语句。

#if查找

if a == 1:
    b = 10

elif a == 2:
    b = 20

#dict查找，性能更优

d = {1:10, 2:20}
b = d[a]

对序列（str、list、tuple等），直接迭代序列元素，比迭代元素的索引速度要更快。

a = range(1000)

%%timeit
for item in a:
    b = item ** 2

375 µs ± 16.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

%%timeit
for i in range(len(a)):
    b = a[i] ** 2

551 µs ± 33.8 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

列表解析（list comprehension），会产生整个列表，对大量数据的迭代会产生负面效应。

而生成器表达式则不会，其不会真正创建列表，而是返回一个生成器，在需要时产生一个值（延迟计算），对内存更加友好。

使用 eval()、exec() 函数执行代码时，最好调用代码对象（提前通过 compile() 函数编译成字节码），而不是直接调用 str，可以避免多次执行重复编译过程，提高程序性能。

正则表达式模式匹配也类似，也最好先将正则表达式模式编译成 regex 对象（通过re.complie() 函数），然后再执行比较和匹配。

模块中的最高级别 Python 语句（没有缩进的代码）会在模块导入（import）时执行（不论其是否真的必要执行）。因此，应尽量将模块所有的功能代码放到函数中，包括主程序相关的功能代码也可放到main()函数中，主程序本身调用main()函数。

可以在模块的main()函数中书写测试代码。在主程序中，检测name的值，如果为'main'（表示模块是被直接执行），则调用main()函数，进行测试；如果为模块名字（表示模块是被调用），则不进行测试。