實現更快的python核心編碼技巧有哪些

本篇內容介紹了“實現更快的python核心編碼技巧有哪些”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

1。Memoize（緩存）重復使用的數據

當你能做到一次并保存結果時，千萬不要做一千次工作。如果有一個經常調用的函數返回可預測的結果，那么python為您提供了將結果緩存到內存中的選項。返回相同結果的后續調用幾乎會立即返回。

各種各樣的例子展示了如何做到這一點；我最喜歡的記憶幾乎是最少的。python的一個本機庫functools具有@functools.lru緩存裝飾器，它緩存最近對函數的n個調用。當正在緩存的值發生變化，但在特定的時間窗口內是相對靜態的時，這很方便。一天中最新使用的項目列表就是一個很好的例子。

2。將數學移動到numpy

如果您正在進行基于矩陣或數組的數學運算，并且不希望Python解釋器妨礙您的工作，請使用numpy。通過利用C庫進行繁重的工作，numpy提供了比本機python更快的數組處理。它還比Python的內置數據結構更有效地存儲數字數據。

相對來說，非異類的數學也可以被numpy大大加快。該包為許多常見的python數學操作（如min和max）提供了替換，這些操作的速度比原來的python快很多倍。

numpy的另一個好處是更有效地使用大型對象的內存，比如擁有數百萬個項目的列表。一般來說，像numpy中那樣的大型對象如果用傳統的python來表示，則占用大約四分之一的內存。請注意，它有助于從作業的正確數據結構開始，即優化本身。

重寫python算法以使用numpy需要一些工作，因為數組對象需要使用numpy的語法聲明。但是numpy在實際的數學運算中使用了python現有的習語（+、-，等等），所以從長遠來看，切換到numpy并不會太令人迷惑。

3。使用C庫

numpy使用C語言編寫的庫是一種很好的模擬策略。如果有一個現有的C庫可以滿足您的需要，那么Python及其生態系統提供了幾個選項來連接到該庫并利用其速度。

最常見的方法是使用Python的CTypes庫。因為ctypes與其他python應用程序（和運行時）廣泛兼容，所以它是最佳的開始位置，但它遠不是鎮上唯一的游戲。cffi項目為c.cython提供了一個更優雅的接口（見下文），也可以用來包裝外部庫，盡管代價是必須學習cython的標記。

4。與多處理并行

傳統的python應用程序——那些在cpython中實現的應用程序——一次只執行一個線程，以避免在使用多個線程時出現狀態問題。這是臭名昭著的全球口譯員鎖（gil）。它的存在有充分的理由，這并沒有使它變得更加華麗。

隨著時間的推移，gil的效率顯著提高（運行python 3而不是python 2的另一個原因），但核心問題仍然存在。一個cpython應用程序可以是多線程的，但是cpython不允許這些線程在多個核心上并行運行。

為了解決這個問題，python提供了多處理模塊來在不同的核心上運行python解釋器的多個實例。狀態可以通過共享內存或服務器進程來共享，數據可以通過隊列或管道在進程實例之間傳遞。

您仍然需要在進程之間手動管理狀態。另外，在啟動多個Python實例并在其中傳遞對象的過程中，不會有太多的開銷。但是對于長期運行的進程來說，多處理庫是非常有用的，因為它可以從跨核心的并行性中獲益。

另外，使用C庫的python模塊和包（如numpy）完全避免使用gil。這也是他們被推薦提速的另一個原因。

5。知道你的庫在做什么

簡單地輸入XYZ并利用無數其他程序員的工作是多么方便！但是您需要知道，第三方庫可以改變應用程序的性能，而不是總是為了更好。

有時，這以明顯的方式表現出來，例如當來自特定庫的模塊構成瓶頸時。（再次強調，剖析會有所幫助。）有時情況不那么明顯。示例：Pyglet是一個用于創建窗口化圖形應用程序的簡便庫，它自動啟用調試模式，這會顯著影響性能，直到顯式禁用它為止。除非您閱讀文檔，否則您可能永遠不會意識到這一點。閱讀并被告知。

6。注意平臺

python運行跨平臺，但這并不意味著每個操作系統（windows、linux、os x）的特性都是在python下抽象出來的。大多數時候，這意味著要了解平臺的具體情況，比如路徑命名約定，對于這些約定，有助手函數。

但在性能方面，了解平臺差異也很重要。例如，在Windows上，需要計時器精度小于15毫秒（例如，對于多媒體）的python腳本將需要使用Windows API調用來訪問高分辨率計時器或提高計時器分辨率。

7。與PyPy同行

cpython是Python最常用的實現，它將兼容性優先于原始速度。對于那些想把速度放在首位的程序員來說，有pypy，一個配備了jit編譯器的python實現來加速代碼執行。

因為pypy是作為cpython的替代品而設計的，所以它是快速提高性能的最簡單方法之一。許多常見的python應用程序將在pypy上運行。一般來說，應用程序越依賴于“普通”的python，就越有可能在pypy上運行而不進行修改。

然而，充分利用PYPY可能需要測試和研究。您會發現長時間運行的應用程序從Pypy獲得最大的性能收益，因為編譯器會分析一段時間后的執行情況。對于運行和退出的短腳本，您最好使用cpython，因為性能提升不足以克服JIT的開銷。

請注意，pypy對python 3的支持仍然落后于幾個版本；它目前支持python 3.2.5。使用最新的python特性（如async和await-co例程）的代碼將無法工作。最后，使用ctypes的python應用程序的行為可能并不總是如預期的那樣。如果您正在編寫可能同時在pypy和cpython上運行的東西，那么為每個解釋器分別處理用例可能是有意義的。

其他通過抖動加速python的實驗仍在取得成果。其中包括一個微軟項目pyjion，它為cpython提供了一個JIT接口。微軟提供了自己的JIT作為概念證明。

8。升級至python 3

如果您使用的是python 2.x，并且沒有覆蓋的原因（比如不兼容的模塊）來堅持使用它，那么您應該跳到python 3。

除了python 3作為語言的未來，python 3中還提供了許多構造和優化，而python 2.x中沒有這些構造和優化。例如，python 3.5通過將async和wait關鍵字作為語言語法的一部分來減少異步編程的麻煩。python 3.2對全局解釋器鎖進行了重大升級，顯著改進了python處理多個線程的方式。

“實現更快的python核心編碼技巧有哪些”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識可以關注億速云網站，小編將為大家輸出更多高質量的實用文章！