Python优化宝典：让代码运行快10倍的秘密

写了这么多年Python代码，经常看到有同学吐槽Python运行太慢。其实Python代码优化有不少小窍门，用对了方法能让代码提速好几倍。今天我就把这些年积累的性能优化经验和你分享下，学会这些技巧，代码性能蹭蹭往上涨。

列表生成式秒杀for循环

要说Python里最常见的性能陷阱，那就是滥用for循环了。看下面这段代码：

numbers = []

for i in range(1000000)：

if i % 2 == 0：

numbers.append(i * 2)

用列表生成式重写后：

numbers = [i * 2 for i in range(1000000) if i % 2 == 0]

两段代码功能完全一样，但第二种写法能快3-4倍。为啥呢？列表生成式在Python解释器层面做了优化，避免了重复的函数调用开销。

小贴士：

列表生成式不是万能的，超过3层嵌套就该考虑改用普通for循环

生成大量数据时，建议用生成器表达式替代列表生成式，避免内存爆炸

别为了用列表生成式而用，可读性更重要

字典取代if-else判断

写过Python的都知道if-else判断，但要是判断条件特别多，代码就会变得又臭又长：

def get_grade(score)：

if score >= 90：

return 'A'

elif score >= 80：

return 'B'

elif score >= 70：

return 'C'

elif score >= 60：

return 'D'

else：

return 'F'

用字典改写后：

grade_map = {

90： 'A'，

80： 'B'，

70： 'C'，

60： 'D'，

0： 'F'

}

def get_grade(score)：

return grade_map[max(key for key in grade_map.keys() if score >= key)]

字典查找的时间复杂度是O(1)，而多个if-else的时间复杂度是O(n)。数据量大的时候，性能差距很明显。

本地变量替代全局变量

全局变量看着方便，但每次访问都要在全局命名空间里找一圈，多浪费时间：

counter = 0

def count()：

global counter

for _ in range(1000000)：

counter += 1

改成本地变量：

def count()：

counter = 0

for _ in range(1000000)：

counter += 1

return counter

第二种写法能快20%左右。Python查找变量是按照LEGB原则，本地变量最快，全局变量最慢。

小贴士：

函数内频繁访问的全局变量，建议赋值给本地变量

类方法里频繁访问的self属性也是一样的道理

别滥用global关键字，容易导致代码难维护

合理使用数据结构

选对数据结构，性能蹭蹭涨。比如判断元素是否存在，列表和集合差距就很大：

data = list(range(1000000))

x = 999999

# 列表查找

if x in data： # 很慢

print('found')

# 转成集合再查找

data_set = set(data)

if x in data_set： # 贼快

print('found')

集合做成员检查的时间复杂度是O(1)，列表是O(n)。数据量大的时候，这个差距就很明显了。

小贴士：

需要去重的地方，优先用集合

需要频繁查找的地方，用字典或集合

需要保持顺序的地方，才用列表

这些优化技巧都是我踩过坑总结出来的。记住一个原则：优化之前先测试，别过早优化。代码能跑就行，真遇到性能瓶颈再来优化也不迟。

附赠一个性能测试小技巧，用装饰器测函数运行时间：

import time

from functools import wraps

def timer(func)：

@wraps(func)

def wrapper(*args， **kwargs)：

start = time.perf_counter()

result = func(*args， **kwargs)