如何优化Python代码的性能？

说真的，别一上来就想着加啥多线程多进程，先看看你代码到底慢哪了。你光凭感觉搞优化，那不是“玄学调优”吗？我之前也犯过类似错误，手写一堆for循环，跑半天，最后发现是I/O操作拖的后腿，白折腾一晚上。你用time模块随便包一层：

import time

start = time.time()
# 你的代码段
end = time.time()
print('耗时:', end - start)

就这样，先知道自己慢在哪，别着急往多核分布式那方向冲。要是业务逻辑本身就写得臃肿，优化个寂寞。

别再手搓循环了，用内置函数

我特别受不了，有些人动不动就写好几层for循环，map、filter、list comprehension不用白不用啊！前几天在地铁上跟人扯淡，他说自己的数据处理慢得一批，我一看，原来是写了个三层嵌套的循环，真服气。你看这样：

# 慢得要死的传统写法
result = []
for i in range(1000000):
    result.append(i * 2)

# 优雅又快的写法
result = [i * 2for i in range(1000000)]

不信你测一下，两者能差一倍以上。map、filter这些底层都是C写的，比你人肉for快多了。

少用全局变量、尽量用局部变量

这个真是血泪教训，我印象特别深。前两天组内CodeReview，有人写个函数里面全是global，调用堆全局变量，结果函数调用一多，性能直线下降。Python函数查找变量，先查局部，再查全局，局部快多了。所以你变量能放在局部，就别放全局。

尽量用生成器

这个也是，尤其是处理大数据量的时候，yield用起来是真的香。你要是还老想着用个list先全存下来，那内存分分钟爆掉。举个例子：

defread_big_file(file_path):
with open(file_path) as f:
for line in f:
yield line

for line in read_big_file('log.txt'):
# 处理每一行
pass

这样一行行来，内存用多少拿多少，贼省事。之前有次日志文件二十几个G，要不是用生成器，我电脑直接卡死。

真的慢到忍不了，再考虑多进程多线程

你真要用并发？先看清楚自己CPU是不是能带得动，I/O型的任务用多线程，CPU密集型任务多进程。Python有个GIL，单线程CPU任务根本提速不了。上次我帮小王改个爬虫，他写了多线程结果没提速，我说你用多进程，才发现刷刷往上涨。随便来个例子：

from concurrent.futures import ProcessPoolExecutor

defcpu_task(x):
return x ** 2

with ProcessPoolExecutor() as executor:
    results = list(executor.map(cpu_task, range(10)))
print(results)

不过，多进程用多了，内存也会飞，别瞎加。

第三方库一定要用对

老实说，NumPy/Pandas这些库，用得熟，才是真的快。你还在for循环做矩阵运算，人家用NumPy一行就能干完还巨快。比如：

import numpy as np

a = np.arange(1000000)
b = a * 2

和你用for循环效率不是一个量级。再说Pandas，处理表格数据直接vectorized操作，效率刷刷的。

内存问题也别忽视

有时候你觉得自己优化得够快了，结果一堆对象没释放，内存耗完直接崩溃。要是用完变量记得del一下，或者局部作用域外面别留垃圾。大对象、临时变量啥的，用完早点丢，别拖累你后面代码。

cProfile先撸一遍

真要调优，上来先整cProfile看哪里最慢。python -m cProfile your_script.py，一跑全知道哪里拉胯。我之前有次查一个接口慢到要死，cProfile一看，是个正则写得太复杂，后来一改，提速80%。

-END-

我为大家打造了一份RPA教程，完全免费：songshuhezi.com/rpa.html

虎哥作为一名老码农，整理了全网最全《python高级架构师资料合集》，总量高达650GB，点击下方公众号回复关键字 python 全部免费领