Python語(yǔ)言代碼的性能優(yōu)化方法大全

時(shí)間：2022-05-25 22:12:01 | 來(lái)源：網(wǎng)絡(luò)營(yíng)銷(xiāo)

時(shí)間：2022-05-25 22:12:01 來(lái)源：網(wǎng)絡(luò)營(yíng)銷(xiāo)

選擇了腳本語(yǔ)言就要忍受其速度，這句話在某種程度上說(shuō)明了python作為腳本的一個(gè)不足之處，那就是執(zhí)行效率和性能不夠理想，特別是在performance較差的機(jī)器上，因此有必要進(jìn)行一定的代碼優(yōu)化來(lái)提高程序的執(zhí)行效率。那么我們?cè)撊绾芜M(jìn)行Python性能優(yōu)化呢？接下來(lái)我就在億企邦上跟大家共同探討一下這個(gè)問(wèn)題。本文會(huì)涉及常見(jiàn)的代碼優(yōu)化方法，性能優(yōu)化工具的使用以及如何診斷代碼的性能瓶頸等內(nèi)容，希望可以給Python開(kāi)發(fā)人員一定的參考價(jià)值。

1、Python代碼優(yōu)化常見(jiàn)技巧


（點(diǎn)擊查看高清大圖）

代碼優(yōu)化能夠讓程序運(yùn)行更快，它是在不改變程序運(yùn)行結(jié)果的情況下使得程序的運(yùn)行效率更高，根據(jù)80/20原則，實(shí)現(xiàn)程序的重構(gòu)、優(yōu)化、擴(kuò)展以及文檔相關(guān)的事情通常需要消耗80%的工作量。優(yōu)化通常包含兩方面的內(nèi)容：減小代碼的體積，提高代碼的運(yùn)行效率。

2、改進(jìn)算法，選擇合適的數(shù)據(jù)結(jié)構(gòu)

一個(gè)良好的算法能夠?qū)π阅芷鸬疥P(guān)鍵作用，因此性能改進(jìn)的首要點(diǎn)是對(duì)算法的改進(jìn)。在算法的時(shí)間復(fù)雜度排序上依次是：

O(1) -> O(lg n) -> O(n lg n) -> O(n^2) -> O(n^3) -> O(n^k) -> O(k^n) -> O(n!)

因此如果能夠在時(shí)間復(fù)雜度上對(duì)算法進(jìn)行一定的改進(jìn)，對(duì)性能的提高不言而喻。但對(duì)具體算法的改進(jìn)不屬于本文討論的范圍，讀者可以自行參考這方面資料。下面的內(nèi)容將集中討論數(shù)據(jù)結(jié)構(gòu)的選擇。

3、字典(dictionary)與列表(list)

Python 字典中使用了hash table，因此查找操作的復(fù)雜度為O(1)，而list 實(shí)際是個(gè)數(shù)組，在list 中，查找需要遍歷整個(gè) list，其復(fù)雜度為O(n)，因此對(duì)成員的查找訪問(wèn)等操作字典要比list 更快。

代碼 dict.py

from time import time
　　t = time()
　　list = ['a','b','is','python','jason','hello','hill','with','phone','test',
　　'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd']
　　#list = dict.fromkeys(list,True)
　　print list
　　filter = []
　　for i in range (1000000):
　　 for find in ['is','hat','new','list','old','.']:
　　 if find not in list:
　　 filter.append(find)
　　print "total run time:"
　　print time()-t

上述代碼運(yùn)行大概需要16.09seconds。如果去掉行#list = dict.fromkeys(list,True)的注釋?zhuān)瑢ist轉(zhuǎn)換為字典之后再運(yùn)行，時(shí)間大約為8.375 seconds，效率大概提高了一半。因此在需要多數(shù)據(jù)成員進(jìn)行頻繁的查找或者訪問(wèn)的時(shí)候，使用dict而不是list是一個(gè)較好的選擇。

4、集合(set)與列表(list)

set的union， intersection，difference操作要比list的迭代要快。因此如果涉及到求list交集，并集或者差的問(wèn)題可以轉(zhuǎn)換為 set來(lái)操作。

求list 的交集：

from time import time
　　t = time()
　　lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44]
　　listb=[2,4,6,9,23]
　　intersection=[]
　　for i in range (1000000):
　　 for a in lista:
　　 for b in listb:
　　 if a == b:
　　 intersection.append(a)
　　print "total run time:"
　　print time()-t

上述程序的運(yùn)行時(shí)間大概為：

total run time:
　　38.4070000648

使用set 求交集

from time import time
　　t = time()
　　lista=[1,2,3,4,5,6,7,8,9,13,34,53,42,44]
　　listb=[2,4,6,9,23]
　　intersection=[]
　　for i in range (1000000):
　　 list(set(lista)&set(listb))
　　print "total run time:"
　　print time()-t

改為set后程序的運(yùn)行時(shí)間縮減為8.75，提高了4倍多，運(yùn)行時(shí)間大大縮短。讀者可以自行使用表1其他的操作進(jìn)行測(cè)試。

set常見(jiàn)用法表



5、對(duì)循環(huán)的優(yōu)化

對(duì)循環(huán)的優(yōu)化所遵循的原則是盡量減少循環(huán)過(guò)程中的計(jì)算量，有多重循環(huán)的盡量將內(nèi)層的計(jì)算提到上一層。 下面通過(guò)實(shí)例來(lái)對(duì)比循環(huán)優(yōu)化后所帶來(lái)的性能的提高。程序清單 4 中，如果不進(jìn)行循環(huán)優(yōu)化，其大概的運(yùn)行時(shí)間約為 132.375。

為進(jìn)行循環(huán)優(yōu)化前

from time import time
　　t = time()
　　lista = [1,2,3,4,5,6,7,8,9,10]
　　listb =[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01]
　　for i in range (1000000):
　　 for a in range(len(lista)):
　　for b in range(len(listb)):
　　 x=lista[a]+listb[b]
　　print "total run time:"
　　print time()-t

現(xiàn)在進(jìn)行如下優(yōu)化，將長(zhǎng)度計(jì)算提到循環(huán)外，range用xrange代替，同時(shí)將第三層的計(jì)算lista[a]提到循環(huán)的第二層。

循環(huán)優(yōu)化后

from time import time
　　t = time()
　　lista = [1,2,3,4,5,6,7,8,9,10]
　　listb =[0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,0.01]
　　len1=len(lista)
　　len2=len(listb)
　　for i in xrange (1000000):
　　 for a in xrange(len1):
　　temp=lista[a]
　　 for b in xrange(len2):
　　x=temp+listb[b]
　　print "total run time:"
　　print time()-t

上述優(yōu)化后的程序其運(yùn)行時(shí)間縮短為102.171999931。在清單 4 中 lista[a] 被計(jì)算的次數(shù)為1000000*10*10，而在優(yōu)化后的代碼中被計(jì)算的次數(shù)為1000000*10，計(jì)算次數(shù)大幅度縮短，因此性能有所提升。

6、充分利用Lazy if-evaluation的特性

python中條件表達(dá)式是lazy evaluation的，也就是說(shuō)如果存在條件表達(dá)式if x and y，在 x 為false的情況下y表達(dá)式的值將不再計(jì)算。因此可以利用該特性在一定程度上提高程序效率。

利用Lazy if-evaluation的特性

from time import time
　　t = time()
　　abbreviations = ['cf.', 'e.g.', 'ex.', 'etc.', 'fig.', 'i.e.', 'Mr.', 'vs.']
　　for i in range (1000000):
　　for w in ('Mr.', 'Hat', 'is', 'chasing', 'the', 'black', 'cat', '.'):
　　 if w in abbreviations:
　　#if w[-1] == '.' and w in abbreviations:
　　 pass
　　print "total run time:"
　　print time()-t

在未進(jìn)行優(yōu)化之前程序的運(yùn)行時(shí)間大概為8.84，如果使用注釋行代替第一個(gè)if，運(yùn)行的時(shí)間大概為6.17。

7、字符串的優(yōu)化

python中的字符串對(duì)象是不可改變的，因此對(duì)任何字符串的操作如拼接，修改等都將產(chǎn)生一個(gè)新的字符串對(duì)象，而不是基于原字符串，因此這種持續(xù)的copy會(huì)在一定程度上影響python的性能。對(duì)字符串的優(yōu)化也是改善性能的一個(gè)重要的方面，特別是在處理文本較多的情況下。字符串的優(yōu)化主要集中在以下幾個(gè)方面：

（1）、在字符串連接的使用盡量使用join()而不是+：在下列代碼清單中使用+進(jìn)行字符串連接大概需要0.125 s，而使用join縮短為 0.016s。因此在字符的操作上join比+要快，因此要盡量使用join而不是+。

使用join而不是+連接字符串

from time import time
　　t = time()
　　s = ""
　　list = ['a','b','b','d','e','f','g','h','i','j','k','l','m','n']
　　for i in range (10000):
　　 for substr in list:
　　 s+= substr
　　print "total run time:"
　　print time()-t

同時(shí)要避免：

s = ""
　　for x in list:
　　s += func(x)

而是要使用：

slist = [func(elt) for elt in somelist]
　　s = "".join(slist)

（2）、當(dāng)對(duì)字符串可以使用正則表達(dá)式或者內(nèi)置函數(shù)來(lái)處理的時(shí)候，選擇內(nèi)置函數(shù)。如 str.isalpha()，str.isdigit()，str.startswith(('x', 'yz'))，str.endswith(('x', 'yz'))

（3）、對(duì)字符進(jìn)行格式化比直接串聯(lián)讀取要快，因此要使用

out = "<html>%s%s%s%s</html>" % (head, prologue, query, tail)

而避免

out = "<html>" + head + prologue + query + tail + "</html>"

8、使用列表解析（list comprehension）和生成器表達(dá)式（generator expression）

列表解析要比在循環(huán)中重新構(gòu)建一個(gè)新的list更為高效，因此我們可以利用這一特性來(lái)提高運(yùn)行的效率。

from time import time
　　t = time()
　　list = ['a','b','is','python','jason','hello','hill','with','phone','test',
　　'dfdf','apple','pddf','ind','basic','none','baecr','var','bana','dd','wrd']
　　total=[]
　　for i in range (1000000):
　　 for w in list:
　　 total.append(w)
　　print "total run time:"
　　print time()-t

使用列表解析：

for i in range (1000000):
　　a = [w for w in list]

上述代碼直接運(yùn)行大概需要17s，而改為使用列表解析后 ，運(yùn)行時(shí)間縮短為9.29s。將近提高了一半。生成器表達(dá)式則是在2.4中引入的新內(nèi)容，語(yǔ)法和列表解析類(lèi)似，但是在大數(shù)據(jù)量處理時(shí)，生成器表達(dá)式的優(yōu)勢(shì)較為明顯，它并不創(chuàng)建一個(gè)列表，只是返回一個(gè)生成器，因此效率較高。在上述例子上中代碼a = [w for w in list]修改為a = (w for w in list)，運(yùn)行時(shí)間進(jìn)一步減少，縮短約為2.98s。

其他優(yōu)化技巧

（1）、如果需要交換兩個(gè)變量的值使用 a,b=b,a 而不是借助中間變量 t=a;a=b;b=t；

>>> from timeit import Timer
　　>>> Timer("t=a;a=b;b=t","a=1;b=2").timeit()
　　0.25154118749729365
　　>>> Timer("a,b=b,a","a=1;b=2").timeit()
　　0.17156677734181258
　　>>>

（2）、在循環(huán)的時(shí)候使用 xrange 而不是 range；使用 xrange 可以節(jié)省大量的系統(tǒng)內(nèi)存，因?yàn)?xrange() 在序列中每次調(diào)用只產(chǎn)生一個(gè)整數(shù)元素。而 range() 將直接返回完整的元素列表，用于循環(huán)時(shí)會(huì)有不必要的開(kāi)銷(xiāo)。在 python3 中 xrange 不再存在，里面 range 提供一個(gè)可以遍歷任意長(zhǎng)度的范圍的 iterator。

（3）、使用局部變量，避免"global" 關(guān)鍵字。python 訪問(wèn)局部變量會(huì)比全局變量要快得多，因 此可以利用這一特性提升性能。

（4）、if done is not None 比語(yǔ)句 if done != None 更快，讀者可以自行驗(yàn)證；

（5）、在耗時(shí)較多的循環(huán)中，可以把函數(shù)的調(diào)用改為內(nèi)聯(lián)的方式；

（6）、使用級(jí)聯(lián)比較 "x < y < z" 而不是 "x < y and y < z"；

（7）、while 1 要比 while True 更快（當(dāng)然后者的可讀性更好）；

（8）、build in 函數(shù)通常較快，add(a,b) 要優(yōu)于 a+b。

9、定位程序性能瓶頸

對(duì)代碼優(yōu)化的前提是需要了解性能瓶頸在什么地方，程序運(yùn)行的主要時(shí)間是消耗在哪里，對(duì)于比較復(fù)雜的代碼可以借助一些工具來(lái)定位，python內(nèi)置了豐富的性能分析工具，如profile,cProfile與hotshot等。其中Profiler是python自帶的一組程序，能夠描述程序運(yùn)行時(shí)候的性能，并提供各種統(tǒng)計(jì)幫助用戶定位程序的性能瓶頸。Python標(biāo)準(zhǔn)模塊提供三種profilers:cProfile,profile以及hotshot。

profile的使用非常簡(jiǎn)單，只需要在使用之前進(jìn)行import即可。具體實(shí)例如下：

使用profile進(jìn)行性能分析

import profile
　　def profileTest():
　　 Total =1;
　　for i in range(10):
　　 Total=Total*(i+1)
　　 print Total
　　 return Total
　　if __name__ == "__main__":
　　 profile.run("profileTest()")

程序的運(yùn)行性能分析結(jié)果如下圖所示：


性能分析結(jié)果

其中輸出每列的具體解釋如下：

ncalls：表示函數(shù)調(diào)用的次數(shù)；
　　tottime：表示指定函數(shù)的總的運(yùn)行時(shí)間，除掉函數(shù)中調(diào)用子函數(shù)的運(yùn)行時(shí)間；
　　percall：（第一個(gè) percall）等于 tottime/ncalls；
　　cumtime：表示該函數(shù)及其所有子函數(shù)的調(diào)用運(yùn)行的時(shí)間，即函數(shù)開(kāi)始調(diào)用到返回的時(shí)間；
　　percall：（第二個(gè) percall）即函數(shù)運(yùn)行一次的平均時(shí)間，等于 cumtime/ncalls；
　　filename:lineno(function)：每個(gè)函數(shù)調(diào)用的具體信息；

如果需要將輸出以日志的形式保存，只需要在調(diào)用的時(shí)候加入另外一個(gè)參數(shù)。如 profile.run("profileTest()","testprof")。

對(duì)于profile的剖析數(shù)據(jù)，如果以二進(jìn)制文件的時(shí)候保存結(jié)果的時(shí)候，可以通過(guò)pstats模塊進(jìn)行文本報(bào)表分析，它支持多種形式的報(bào)表輸出，是文本界面下一個(gè)較為實(shí)用的工具。使用非常簡(jiǎn)單：

import pstats
　　p = pstats.Stats('testprof')
　　p.sort_stats("name").print_stats()

其中sort_stats()方法能夠?qū)ζ史謹(jǐn)?shù)據(jù)進(jìn)行排序，可以接受多個(gè)排序字段，如sort_stats('name', 'file')將首先按照函數(shù)名稱(chēng)進(jìn)行排序，然后再按照文件名進(jìn)行排序。常見(jiàn)的排序字段有calls( 被調(diào)用的次數(shù) )，time（函數(shù)內(nèi)部運(yùn)行時(shí)間），cumulative（運(yùn)行的總時(shí)間）等。此外pstats也提供了命令行交互工具，執(zhí)行python – m pstats后可以通過(guò)help了解更多使用方式。

對(duì)于大型應(yīng)用程序，如果能夠?qū)⑿阅芊治龅慕Y(jié)果以圖形的方式呈現(xiàn)，將會(huì)非常實(shí)用和直觀，常見(jiàn)的可視化工具有Gprof2Dot，visualpytune，KCacheGrind等，讀者可以自行查閱相關(guān)官網(wǎng)，在此億企邦就不做詳細(xì)討論。

10、Python性能優(yōu)化工具

Python性能優(yōu)化除了改進(jìn)算法，選用合適的數(shù)據(jù)結(jié)構(gòu)之外，還有幾種關(guān)鍵的技術(shù)，比如將關(guān)鍵python代碼部分重寫(xiě)成C擴(kuò)展模塊，或者選用在性能上更為優(yōu)化的解釋器等，這些在本文中統(tǒng)稱(chēng)為優(yōu)化工具。python有很多自帶的優(yōu)化工具，如Psyco，Pypy，Cython，Pyrex等，這些優(yōu)化工具各有千秋，在此億企邦也就只選擇幾種進(jìn)行介紹。

（1）、Psyco

psyco是一個(gè)just-in-time的編譯器，它能夠在不改變?cè)创a的情況下提高一定的性能，Psyco將操作編譯成有點(diǎn)優(yōu)化的機(jī)器碼，其操作分成三個(gè)不同的級(jí)別，有"運(yùn)行時(shí)"、"編譯時(shí)"和"虛擬時(shí)"變量。并根據(jù)需要提高和降低變量的級(jí)別。運(yùn)行時(shí)變量只是常規(guī)Python解釋器處理的原始字節(jié)碼和對(duì)象結(jié)構(gòu)。一旦Psyco將操作編譯成機(jī)器碼，那么編譯時(shí)變量就會(huì)在機(jī)器寄存器和可直接訪問(wèn)的內(nèi)存位置中表示。同時(shí)python能高速緩存已編譯的機(jī)器碼以備今后重用，這樣能節(jié)省一點(diǎn)時(shí)間。但Psyco也有其缺點(diǎn)，其本身運(yùn)行所占內(nèi)存較大。目前psyco已經(jīng)不在python2.7中支持，而且不再提供維護(hù)和更新了。

（2）、Pypy

PyPy表示"用Python實(shí)現(xiàn)的Python"，但實(shí)際上它是使用一個(gè)稱(chēng)為RPython的Python子集實(shí)現(xiàn)的，能夠?qū)ython代碼轉(zhuǎn)成C，.NET，Java 等語(yǔ)言和平臺(tái)的代碼。PyPy集成了一種即時(shí)(JIT)編譯器。和許多編譯器，解釋器不同，它不關(guān)心Python代碼的詞法分析和語(yǔ)法樹(shù)。 因?yàn)樗怯肞ython語(yǔ)言寫(xiě)的，所以它直接利用Python語(yǔ)言的Code Object.。 Code Object是Python字節(jié)碼的表示，也就是說(shuō)，PyPy直接分析Python代碼所對(duì)應(yīng)的字節(jié)碼，這些字節(jié)碼即不是以字符形式也不是以某種二進(jìn)制格式保存在文件中，而在Python運(yùn)行環(huán)境中。

目前版本是1.8支持不同的平臺(tái)安裝，windows上安裝Pypy需要先下載：https://bitbucket.org/pypy/pypy/downloads/pypy-1.8-win32.zip，然后解壓到相關(guān)的目錄，并將解壓后的路徑添加到環(huán)境變量path中即可。在命令行運(yùn)行pypy，如果出現(xiàn)如下錯(cuò)誤："沒(méi)有找到 MSVCR100.dll, 因此這個(gè)應(yīng)用程序未能啟動(dòng)，重新安裝應(yīng)用程序可能會(huì)修復(fù)此問(wèn)題"，則還需要在微軟的官網(wǎng)上下載VS 2010 runtime libraries解決該問(wèn)題。具體地址為：http://www.microsoft.com/download/en/details.aspx?displaylang=en&id=5555

安裝成功后在命令行里運(yùn)行 pypy，輸出結(jié)果如下：

C:Documents and SettingsAdministrator>pypy
　　Python 2.7.2 (0e28b379d8b3, Feb 09 2012, 18:31:47)
　　[PyPy 1.8.0 with MSC v.1500 32 bit] on win32
　　Type "help", "copyright", "credits" or "license" for more information.
　　And now for something completely different: ``PyPy is vast, and contains
　　multitudes''
　　>>>>

以第5條中的“循環(huán)優(yōu)化后”的循環(huán)為例子，使用python和pypy分別運(yùn)行，得到的運(yùn)行結(jié)果分別如下：

C:Documents and SettingsAdministrator 桌面 docpython>pypy loop.py
　　total run time:
　　8.42199993134

C:Documents and SettingsAdministrator 桌面 docpython>python loop.py
　　total run time:
　　106.391000032

可見(jiàn)使用pypy來(lái)編譯和運(yùn)行程序，其效率大大的提高。

（3）、Cython

Cython是用python實(shí)現(xiàn)的一種語(yǔ)言，可以用來(lái)寫(xiě)python擴(kuò)展，用它寫(xiě)出來(lái)的庫(kù)都可以通過(guò)import來(lái)載入，性能上比python的快。cython里可以載入python擴(kuò)展 ( 比如 import math)，也可以載入c的庫(kù)的頭文件(比如:cdef extern from "math.h")，另外也可以用它來(lái)寫(xiě)python代碼。將關(guān)鍵部分重寫(xiě)成C擴(kuò)展模塊。

Cython代碼與python不同，必須先編譯，編譯一般需要經(jīng)過(guò)兩個(gè)階段，將pyx文件編譯為.c文件，再將.c文件編譯為.so文件。編譯有多種方法：

A、通過(guò)命令行編譯：

假設(shè)有如下測(cè)試代碼，使用命令行編譯為.c文件。

def sum(int a,int b):
　 print a+b
　　[root@v5254085f259 test]# cython sum.pyx
　　[root@v5254085f259 test]# ls
　　total 76
　　4 drwxr-xr-x 2 root root 4096 Apr 17 02:45 .
　　4 drwxr-xr-x 4 root root 4096 Apr 16 22:20 ..
　　4 -rw-r--r-- 1 root root 35 Apr 17 02:45 1
　　60 -rw-r--r-- 1 root root 55169 Apr 17 02:45 sum.c
　　4 -rw-r--r-- 1 root root 35 Apr 17 02:45 sum.pyx

在linux上利用gcc編譯為.so文件：

[root@v5254085f259 test]# gcc -shared -pthread -fPIC -fwrapv -O2
　　-Wall -fno-strict-aliasing -I/usr/include/python2.4 -o sum.so sum.c
　　[root@v5254085f259 test]# ls
　　total 96
　　4 drwxr-xr-x 2 root root 4096 Apr 17 02:47 .
　　4 drwxr-xr-x 4 root root 4096 Apr 16 22:20 ..
　　4 -rw-r--r-- 1 root root 35 Apr 17 02:45 1
　　60 -rw-r--r-- 1 root root 55169 Apr 17 02:45 sum.c
　　4 -rw-r--r-- 1 root root 35 Apr 17 02:45 sum.pyx
　　20 -rwxr-xr-x 1 root root 20307 Apr 17 02:47 sum.so

B、使用distutils編譯

建立一個(gè) setup.py 的腳本：

from distutils.core import setup
　　from distutils.extension import Extension
　　from Cython.Distutils import build_ext
　　ext_modules = [Extension("sum", ["sum.pyx"])]
　　setup(
　　name = 'sum app',
　　 cmdclass = {'build_ext': build_ext},
　　ext_modules = ext_modules
　　)
　　[root@v5254085f259 test]# python setup.py build_ext --inplace
　　running build_ext
　　cythoning sum.pyx to sum.c
　　building 'sum' extension
　　gcc -pthread -fno-strict-aliasing -fPIC -g -O2 -DNDEBUG -g -fwrapv -O3
　　-Wall -Wstrict-prototypes -fPIC -I/opt/ActivePython-2.7/include/python2.7
　　 -c sum.c -o build/temp.linux-x86_64-2.7/sum.o
　　gcc -pthread -shared build/temp.linux-x86_64-2.7/sum.o
　　-o /root/cpython/test/sum.so

編譯完成之后可以導(dǎo)入到 python 中使用：

[root@v5254085f259 test]# python
　　ActivePython 2.7.2.5 (ActiveState Software Inc.) based on
　　Python 2.7.2 (default, Jun 24 2011, 11:24:26)
　　[GCC 4.0.2 20051125 (Red Hat 4.0.2-8)] on linux2
　　Type "help", "copyright", "credits" or "license" for more information.
　　>>> import pyximport; pyximport.install()
　　>>> import sum
　　>>> sum.sum(1,3)

億企邦點(diǎn)評(píng)：

如果你已經(jīng)按照上述進(jìn)行了優(yōu)化，那么下面就針對(duì)我們的優(yōu)化來(lái)進(jìn)行一個(gè)簡(jiǎn)單的性能比較：

Cython 測(cè)試代碼

from time import time
　　def test(int n):
cdef int a =0
cdef int i
for i in xrange(n):
a+= i
return a
　　t = time()
　　test(10000000)
　　print "total run time:"
　　print time()-t

測(cè)試結(jié)果：

[GCC 4.0.2 20051125 (Red Hat 4.0.2-8)] on linux2
　　Type "help", "copyright", "credits" or "license" for more information.
　　>>> import pyximport; pyximport.install()
　　>>> import ctest
　　total run time:
　　0.00714015960693

Python 測(cè)試代碼

from time import time
　　def test(n):
　 a =0;
　for i in xrange(n):
　 a+= i
　return a
　　t = time()
　　test(10000000)
　　print "total run time:"
　　print time()-t
　　[root@v5254085f259 test]# python test.py
　　total run time:
　　0.971596002579

從上述對(duì)比可以看到使用Cython的速度提高了將近100多倍。

本文也只是初步探討了python常見(jiàn)的性能優(yōu)化技巧以及如何借助工具來(lái)定位和分析程序的性能瓶頸，并提供了相關(guān)可以進(jìn)行性能優(yōu)化的工具或語(yǔ)言，希望能夠跟真正為此問(wèn)題發(fā)愁的工作人員能提供一些參考。