原文：
www.kdnuggets.com/2020/09/making-python-programs-blazingly-fast.html
评论
由 Martin Heinz，IBM 的 DevOps 工程师
Python 反对者总是说，他们不想使用它的原因之一是它慢。好吧，是否特定程序——无论使用何种编程语言——快还是慢，很大程度上取决于编写它的开发人员及其编写优化和快速程序的技能和能力。
1. Google 网络安全证书 - 快速进入网络安全职业生涯。
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 在 IT 方面支持你的组织
那么，让我们证明一些人的观点是错误的，看看如何提高我们Python 程序的性能，让它们真正变快！
by @veri_ivanova 在 unsplash
在我们开始优化任何东西之前，我们首先需要找出代码中哪些部分实际上拖慢了整个程序。有时程序的瓶颈可能很明显，但如果你不知道它在哪里，那么你可以尝试以下选项来找出：
注意：这是我将用于演示目的的程序，它计算 *e* 的 *X* 次方（取自 Python 文档）：
首先，最简单的、老实说非常懒的解决方案——Unix time 命令：
如果你只是想计时整个程序，这可能会有效，但通常这还不够……
另一端的选择是 cProfile，它会给你过多的信息：
在这里，我们使用了 cProfile 模块和 time 参数来运行测试脚本，因此行按内部时间（cumtime）排序。这给我们提供了大量的信息，您上面看到的行只是实际输出的约 10%。从中，我们可以看到 exp 函数是罪魁祸首（惊讶，惊讶），现在我们可以更具体地进行计时和剖析……
现在我们知道了要关注的地方，我们可能想要对慢函数进行计时，而不测量其余的代码。为此，我们可以使用简单的装饰器：
这个装饰器可以像这样应用于被测试的函数：
这会给我们如下输出：
一件需要考虑的事情是我们实际上（想要）测量的时间类型。time包提供了time.perf_counter和time.process_time。它们的区别在于，perf_counter返回的是绝对值，包括你 Python 程序未运行时的时间，因此可能会受到机器负载的影响。另一方面，process_time仅返回用户时间（不包括系统时间），这是你程序的运行时间。
现在，来点有趣的。让我们让你的 Python 程序运行得更快。我（主要）不会给你展示一些黑客技巧、窍门和代码片段，这些东西能神奇地解决你的性能问题。这更多是关于一般的想法和策略，这些想法和策略在使用时可以对性能产生巨大影响，在某些情况下甚至可以提高 30%的速度。
这一点很明显。内置数据类型非常快，尤其是与我们的自定义类型如树或链表相比。主要是因为内置类型是用C实现的，而我们在用 Python 编写代码时无法匹敌这种速度。
我已经在之前的博客文章中这里展示过这个内容，但我认为用简单的例子重复一遍是值得的：
上面的函数使用time.sleep模拟了重计算。当第一次用参数1调用时，它会等待 2 秒钟，然后才返回结果。当再次调用时，结果已经被缓存，所以它跳过了函数体，立即返回结果。更多的实际生活例子请参见之前的博客文章这里。
这与每个作用域中变量查找的速度有关。我说每个作用域是因为这不仅仅是关于局部变量与全局变量的使用。实际上，即使是在函数内部的局部变量（最快）、类级属性（例如self.name - 较慢）和全局变量（例如导入的函数如time.time - 最慢）之间，查找速度也存在差异。
你可以通过使用看似不必要（完全没用的）赋值来提高性能，例如：
这可能看起来有些反直觉，因为调用函数会将更多的东西放到栈上，并且创建函数返回的开销，但这与前一点相关。如果你把整个代码放在一个文件里而不放入函数中，它会因为全局变量而变得更慢。因此，你可以通过将整个代码包裹在main函数中，并一次调用它来加快你的代码，如下所示：
另一个可能会减慢程序速度的因素是点操作符（.），它在访问对象属性时使用。这个操作符触发了使用__getattribute__的字典查找，这会在你的代码中创建额外的开销。那么，我们如何实际避免（限制）使用它呢？
当在循环中使用 取模 (%s) 或 .format() 时，字符串操作可能变得非常慢。我们还有什么更好的选择？根据最近的 Raymond Hettinger 推文，我们应该使用的唯一方法是 f-string，它最具可读性、简洁且最快。因此，根据该推文，这是你可以使用的方法列表——从最快到最慢：
生成器本身并不比其他方法快，因为它们是为了实现惰性计算而设计的，从而节省内存而非时间。然而，节省的内存可以使你的程序实际运行得更快。如何做到这一点？如果你有一个大型数据集且不使用生成器（迭代器），数据可能会溢出 CPU 的 L1 缓存，这会显著减慢内存中的值查找速度。
说到性能，CPU 能将其处理的数据尽可能接近地保存在缓存中是非常重要的。你可以观看Raymond Hettinger 的讲座，他在其中提到了这些问题。
优化的首要原则是 不要优化。但如果你真的必须这样做，希望这些小贴士能帮助你。然而，优化代码时要谨慎，因为它可能使代码难以阅读，从而难以维护，这可能会抵消优化的好处。
注：这最初发布在 martinheinz.dev
简历： 马丁·海因茨 是 IBM 的 DevOps 工程师。作为一名软件开发人员，马丁对计算机安全、隐私和加密充满热情，专注于云计算和无服务器计算，并始终准备迎接新的挑战。
原文。经授权转载。
相关：
-
自动化你的 Python 项目的每个方面
-
MIT 免费课程：Python 计算机科学与编程导论
-
用一行代码进行统计和可视化探索数据分析