让 Python 起飞的 24 个骚操作!
Python加速的技巧有很多,这篇文章总结了24个,查缺补漏,每天学会一个新的小技巧
一、分析代码运行时间
第1式:测算代码运行时间
平凡方法
快捷方法(jupyter环境)
第2式:测算代码多次运行平均时间
平凡方法
快捷方法(jupyter环境)
第3式:按调用函数分析代码运行时间
平凡方法
快捷方法(jupyter环境)
第4式:按行分析代码运行时间
平凡方法
快捷方法(jupyter环境)
二、加速你的查找
第5式:用set而非list进行查找 低速方法
高速方法
第6式:用dict而非两个list进行匹配查找
低速方法
高速方法
三、加速你的循环
第7式:优先使用for循环而不是while循环 低速方法
高速方法
第8式:在循环体中避免重复计算
低速方法
高速方法
四、加速你的函数
第9式:用循环机制代替递归函数 低速方法
高速方法
第10式:用缓存机制加速递归函数
低速方法
高速方法
第11式:用numba加速Python函数
低速方法
高速方法
五、使用标准库函数进行加速
第12式:使用collections.Counter加速计数 低速方法
高速方法
第13式:使用collections.ChainMap加速字典合并
低速方法
高速方法
六,使用numpy向量化进行加速
第14式:使用np.array代替list 低速方法
高速方法
第15式:使用np.ufunc代替math.func
低速方法
高速方法
第16式:使用np.where代替if
低速方法
高速方法
七、加速你的Pandas
第17式:使用np.ufunc函数代替applymap 低速方法
高速方法
第18式:使用预分配存储代替动态扩容
低速方法
高速方法
第19式:使用csv文件读写代替excel文件读写
低速方法
高速方法
第20式:使用pandas多进程工具pandarallel
低速方法
低速方法
高速方法
八、使用Dask进行加速
第21式:使用dask加速dataframe 低速方法
高速方法
第22式:使用dask.delayed进行加速
低速方法
高速方法
九、应用多线程多进程加速
第23式:应用多线程加速IO密集型任务 低速方法
高速方法
第24式:应用多进程加速CPU密集型任务
低速方法
高速方法