三个提升Python运行速度的方法，都很实用！

今天总结三个提升Python运行速度的方法，只从代码本身考虑，提升运行速度并不会从编写C 扩展的代码、基于JIT的编译器技术考虑。

关于代码执行效率的第一个方法是减少频繁的方法访问，尤其是在多层循环内层、且循环次数较多的操作，差距尤为明显。

1. #真是模块内全局变量
2. importmath
3.  
4. defcompute_sqrt(nums):
5. result=[]
6. forninnums:#假如nums长度很大
7. #1.math.sqrt会被频繁访问
8. #2.result.append也会被频繁访问
9. result.append(math.sqrt(n))
10. returnresult

看到在for循环里面，涉及2个频繁的访问：

• math.sqrt 会被频繁访问
• result.append 也会被频繁访问

因此第一步做如下更改：直接导入sqrt，而不是导入整个模块后再去引用sqrt

1. #直接导入sqrt，而不是导入整个模块后再去引用sqrt
2. frommathimportsqrt
3.  
4. defcompute_sqrt(nums):
5. result=[]
6. forninnums:#假如nums长度很大
7. #1.math.sqrt会被频繁访问
8. #2.result.append也会被频繁访问
9. result.append(sqrt(n))
10. returnresult

然后再修改result.append，不用频繁访问append，使用标签apd指向它就行了：

1. #直接导入sqrt，而不是导入整个模块后再去引用sqrt
2. frommathimportsqrt
3.  
4. defcompute_sqrt(nums):
5. result=[]
6. apd=result.append
7. forninnums:#假如nums长度很大
8. #1.math.sqrt会被频繁访问
9. #2.result.append也会被频繁访问
10. apd(sqrt(n))
11. returnresult

第二个方法：查找局部变量的效率是最高的!!!对于频繁访问的变量应尽可能是局部变量，消除不必要的全局变量访问。所以对于上面代码，sqrt还是模块级别的全局变量，所以修改为：

1. defcompute_sqrt(nums):
2. #调整sqrt为局部变量
3. frommathimportsqrt
4. result=[]
5. apd=result.append
6. forninnums:#假如nums长度很大
7. #1.math.sqrt会被频繁访问
8. #2.result.append也会被频繁访问
9. apd(sqrt(n))
10. returnresult

第三个方法：不要做一些不必要的属性包装。比如@property必要时再用，能不用时就别用。如下对于属性y做@property装饰没有任何意义!只有在y有特定取值，比如只能取大于0的非负实数时再用此装饰才有意义。

1. classA:
2. def__init__(self,x,y):
3. self.x=x
4. self.y=y
5. @property
6. defy(self):
7. returnself._y
8. @y.setter
9. defy(self,value):
10. self._y=value

因此修改为下面这样，删去多余的@property包装

1. classA:
2. def__init__(self,x,y):
3. self.x=x
4. self.y=y

以上就是Python代码提速的3条基本但却容易被忽略的有价值方法，希望对你有用。

原文地址：https://mp.weixin.qq.com/s?__biz=MzI3NTkyMjA4NA==&mid=2247503983&idx=1&sn=1d0bc10599346f795de92974c4b2acbb&chksm=eb7ffda4dc0874b2ffae369a9bef496560f288a4787c7d35c0c512293dfec84a988d2efb59c4&mpshare=1&s