提高Python運(yùn)行效率的六個竅門

Python是一門優(yōu)秀的語言，它能讓你在短時間內(nèi)通過極少量代碼就能完成許多操作。不僅如此，它還輕松支持多任務(wù)處理，比如多進(jìn)程。

不喜歡Python的人經(jīng)常會吐嘈Python運(yùn)行太慢。但是，事實(shí)并非如此。嘗試以下六個竅門，來為你的Python應(yīng)用提速。

竅門一：關(guān)鍵代碼使用外部功能包

Python簡化了許多編程任務(wù)，但是對于一些時間敏感的任務(wù)，它的表現(xiàn)經(jīng)常不盡人意。使用C/C++或機(jī)器語言的外部功能包處理時間敏感任務(wù)，可以有效提高應(yīng)用的運(yùn)行效率。這些功能包往往依附于特定的平臺，因此你要根據(jù)自己所用的平臺選擇合適的功能包。簡而言之，這個竅門要你犧牲應(yīng)用的可移植性以換取只有通過對底層主機(jī)的直接編程才能獲得的運(yùn)行效率。以下是一些你可以選擇用來提升效率的功能包：
    Cython

    Pylnlne

    PyPy

    Pyrex

這些功能包的用處各有不同。比如說，使用C語言的數(shù)據(jù)類型，可以使涉及內(nèi)存操作的任務(wù)更高效或者更直觀。Pyrex就能幫助Python延展出這樣的功能。Pylnline能使你在Python應(yīng)用中直接使用C代碼。內(nèi)聯(lián)代碼是獨(dú)立編譯的，但是它把所有編譯文件都保存在某處，并能充分利用C語言提供的高效率。

竅門二：在排序時使用鍵

Python含有許多古老的排序規(guī)則，這些規(guī)則在你創(chuàng)建定制的排序方法時會占用很多時間，而這些排序方法運(yùn)行時也會拖延程序?qū)嶋H的運(yùn)行速度。最佳的排序方法其實(shí)是盡可能多地使用鍵和內(nèi)置的sort()方法。譬如，拿下面的代碼來說：
    import operator

    somelist = [(1, 5, 8), (6, 2, 4), (9, 7, 5)]

    somelist.sort(key=operator.itemgetter(0))

    somelist

    #Output = [(1, 5, 8), (6, 2, 4), (9, 7, 5)]

    somelist.sort(key=operator.itemgetter(1))

    somelist

    #Output = [(6, 2, 4), (1, 5, 8), (9, 7, 5)]

    somelist.sort(key=operator.itemgetter(2))

    somelist

    #Output = [(6, 2, 4), (9, 7, 5), (1, 5, 8)],

在每段例子里，list都是根據(jù)你選擇的用作關(guān)鍵參數(shù)的索引進(jìn)行排序的。這個方法不僅對數(shù)值類型有效，還同樣適用于字符串類型。

竅門三：針對循環(huán)的優(yōu)化

每一種編程語言都強(qiáng)調(diào)最優(yōu)化的循環(huán)方案。當(dāng)使用Python時，你可以借助豐富的技巧讓循環(huán)程序跑得更快。然而，開發(fā)者們經(jīng)常遺忘的一個技巧是：盡量避免在循環(huán)中訪問變量的屬性。譬如，拿下面的代碼來說：
    lowerlist = ['this', 'is', 'lowercase']

    upper = str.upper

    upperlist = []

    append = upperlist.append

    for word in lowerlist:

        append(upper(word))

        print(upperlist)

        #Output = ['THIS', 'IS', 'LOWERCASE']

每次你調(diào)用str.upper, Python都會計(jì)算這個式子的值。然而，如果你把這個求值賦值給一個變量，那么求值的結(jié)果就能提前知道，Python程序就能運(yùn)行得更快。因此，關(guān)鍵就是盡可能減小Python在循環(huán)中的工作量。因?yàn)镻ython解釋執(zhí)行的特性，在上面的例子中會大大減慢它的速度。

（注意：優(yōu)化循環(huán)的方法還有很多，這只是其中之一。比如，很多程序員會認(rèn)為，列表推導(dǎo)式是提高循環(huán)速度的最佳方法。關(guān)鍵在于，優(yōu)化循環(huán)方案是提高應(yīng)用程序運(yùn)行速度的上佳選擇。）

竅門四：使用較新的Python版本

如果你在網(wǎng)上搜索Python，你會發(fā)現(xiàn)數(shù)不盡的信息都是關(guān)于如何升級Python版本。通常，每個版本的Python都會包含優(yōu)化內(nèi)容，使其運(yùn)行速度優(yōu)于之前的版本。但是，限制因素在于，你最喜歡的函數(shù)庫有沒有同步更新支持新的Python版本。與其爭論函數(shù)庫是否應(yīng)該更新，關(guān)鍵在于新的Python版本是否足夠高效來支持這一更新。

你要保證自己的代碼在新版本里還能運(yùn)行。你需要使用新的函數(shù)庫才能體驗(yàn)新的Python版本，然后你需要在做出關(guān)鍵性的改動時檢查自己的應(yīng)用。只有當(dāng)你完成必要的修正之后，你才能體會新版本的不同。

然而，如果你只是確保自己的應(yīng)用在新版本中可以運(yùn)行，你很可能會錯過新版本提供的新特性。一旦你決定更新，請分析你的應(yīng)用在新版本下的表現(xiàn)，并檢查可能出問題的部分，然后優(yōu)先針對這些部分應(yīng)用新版本的特性。只有這樣，用戶才能在更新之初就覺察到應(yīng)用性能的改觀。

竅門五：嘗試多種編碼方法

每次創(chuàng)建應(yīng)用時都使用同一種編碼方法幾乎無一例外會導(dǎo)致應(yīng)用的運(yùn)行效率不盡人意?？梢栽诔绦蚍治鰰r嘗試一些試驗(yàn)性的辦法。譬如說，在處理字典中的數(shù)據(jù)項(xiàng)時，你既可以使用安全的方法，先確保數(shù)據(jù)項(xiàng)已經(jīng)存在再進(jìn)行更新，也可以直接對數(shù)據(jù)項(xiàng)進(jìn)行更新，把不存在的數(shù)據(jù)項(xiàng)作為特例分開處理。請看下面第一段代碼：
    n = 16

    myDict = {}

    for i in range(0, n):

        char = 'abcd'[i%4]

        if char not in myDict:

            myDict[char] = 0

            myDict[char] += 1

            print(myDict)

當(dāng)一開始myDict為空時，這段代碼會跑得比較快。然而，通常情況下，myDict填滿了數(shù)據(jù)，至少填有大部分?jǐn)?shù)據(jù)，這時換另一種方法會更有效率。
    n = 16

    myDict = {}

    for i in range(0, n):

        char = 'abcd'[i%4]

        try:

            myDict[char] += 1

        except KeyError:

            myDict[char] = 1

        print(myDict)

在兩種方法中輸出結(jié)果都是一樣的。區(qū)別在于輸出是如何獲得的。跳出常規(guī)的思維模式，創(chuàng)建新的編程技巧能使你的應(yīng)用更有效率。

竅門六：交叉編譯你的應(yīng)用

開發(fā)者有時會忘記計(jì)算機(jī)其實(shí)并不理解用來創(chuàng)建現(xiàn)代應(yīng)用程序的編程語言。計(jì)算機(jī)理解的是機(jī)器語言。為了運(yùn)行你的應(yīng)用，你借助一個應(yīng)用將你所編的人類可讀的代碼轉(zhuǎn)換成機(jī)器可讀的代碼。有時，你用一種諸如Python這樣的語言編寫應(yīng)用，再以C++這樣的語言運(yùn)行你的應(yīng)用，這在運(yùn)行的角度來說，是可行的。關(guān)鍵在于，你想你的應(yīng)用完成什么事情，而你的主機(jī)系統(tǒng)能提供什么樣的資源。

Nuitka是一款有趣的交叉編譯器，能將你的Python代碼轉(zhuǎn)化成C++代碼。這樣，你就可以在native模式下執(zhí)行自己的應(yīng)用，而無需依賴于解釋器程序。你會發(fā)現(xiàn)自己的應(yīng)用運(yùn)行效率有了較大的提高，但是這會因平臺和任務(wù)的差異而有所不同。

（注意：Nuitka現(xiàn)在還處在測試階段，所以在實(shí)際應(yīng)用中請多加注意。實(shí)際上，當(dāng)下最好還是把它用于實(shí)驗(yàn)。此外，關(guān)于交叉編譯是否為提高運(yùn)行效率的最佳方法還存在討論的空間。開發(fā)者已經(jīng)使用交叉編譯多年，用來提高應(yīng)用的速度。記住，每一種解決辦法都有利有弊，在把它用于生產(chǎn)環(huán)境之前請仔細(xì)權(quán)衡。）

在使用交叉編譯器時，記得確保它支持你所用的Python版本。Nuitka支持Python2.6, 2.7, 3.2和3.3。為了讓解決方案生效，你需要一個Python解釋器和一個C++編譯器。Nuitka支持許多C++編譯器，其中包括Microsoft Visual Studio, MinGW 和 Clang/LLVM。

交叉編譯可能造成一些嚴(yán)重問題。比如，在使用Nuitka時，你會發(fā)現(xiàn)即便是一個小程序也會消耗巨大的驅(qū)動空間。因?yàn)镹uitka借助一系列的動態(tài)鏈接庫（DDLs）來執(zhí)行Python的功能。因此，如果你用的是一個資源很有限的系統(tǒng)，這種方法或許不太可行。

結(jié)論

前文所述的六個竅門都能幫助你創(chuàng)建運(yùn)行更有效率的Python應(yīng)用。但是銀彈是不存在的。上述的這些竅門不一定每次都能奏效。在特定的Python的版本下，有的竅門或許比其他的表現(xiàn)更好，但這有時候甚至取決于平臺的差異。你需要總結(jié)分析你的應(yīng)用，找到它效率低下的部分，然后嘗試這些竅門，找到解決問題的最佳方法。