python速度慢
1. python運行速度慢怎麼辦
yxhtest7772017-07-18
關注
分享
697 2
python運行速度慢怎麼辦？6個Python性能優化技巧
Python是一門非常酷的語言，因為很少的Python代碼可以在短時間內做很多事情，並且，Python很容易就能支持多任務和多重處理。
Python的批評者聲稱Python性能低效、執行緩慢，但實際上並非如此：嘗試以下6個小技巧，可以加快Python應用程序。
關鍵代碼可以依賴於擴展包
Python使許多編程任務變得簡單，但是對於很關鍵的任務並不總是提供最好的性能。使用C、C++或者機器語言擴展包來執行關鍵任務能極大改善性能。這些包是依賴於平台的，也就是說，你必須使用特定的、與你使用的平台相關的包。簡而言之,該解決方案提供了一些應用程序的可移植性,以換取性能,您可以獲得只有通過直接向底層主機編程。
下面這些擴展包你可以考慮添加到你的個人擴展庫中：
Cython
PyInlne
PyPy
Pyrex
這些包有不同的作用和執行方式。例如，Pyrex 讓Python處理一些內存任務變得簡單高效；PyInline可以直接讓你在Python應用程序中使用C代碼，雖然內聯代碼被單獨編譯，但是如果你能高效的利用C代碼，它可以在同一個地方處理每一件事情。
使用關鍵字排序
有很多古老的Python代碼在執行時將花費額外的時間去創建一個自定義的排序函數。最好的排序方式是使用關鍵字和默認的sort()方法。
優化循環
每一種編程語言都強調循環語句的優化，Python也是一樣的。盡管你可以依賴於豐富的技術讓循環運行的更快，然而，開發者經常忽略的一個方法是避免在循環內部使用點拼接字元串。
使用新版本
任何一個在線上搜索Python資料的人都會發現無數關於Python版本遷移的信息。通常，Python每一個版本都針對之前的一個版本做了優化和改進，以讓Python運行的更快。限制因素是你喜歡的函數庫是否也針對Python的新版本做了改進。
當你使用了新的函數庫，獲得了Python的新版本，你需要保證代碼依然能夠運行，檢查應用，修正差異。然後，如果你僅僅是
2. python語言的缺點
Python並不是沒有缺點的，最主要的缺點有以下幾個：
Python的執行速度不夠快。當然，這也不是一個很嚴重的問題，一般情況下，我們不會拿Python語言與C/C++這樣的語言進行直接比較。在Python語言的執行速度上，一方面，網路或磁碟的延遲，會抵消掉部分Python本身消耗的時間；另一方面，因為Python特別容易和C結合起來，因此，我們可以通過分離一部分需要優化速度的應用，將其轉換為編譯好的擴展，並在整個系統中使用Python腳本將這部分應用連接起來，以提高程序的整體效率。
Python的GIL鎖限制並發：Python的另一個大問題是，對多處理器支持不好。如果讀者接觸Python時間比較長，那麼，一定聽說過GIL這個詞。GIL是指Python全局解釋器鎖（GlobalInterpreterLock），當Python的默認解釋器要執行位元組碼時，都需要先申請這個鎖。這意味著，如果試圖通過多線程擴展應用程序，將總是被這個全局解釋器鎖限制。當然，我們可以使用多進程的架構來提高程序的並發，也可以選擇不同的Python實現來運行我們的程序。
Python2與Python3不兼容：如果一個普通的軟體或者庫，不能夠做到後向兼容，那麼，它會被用戶無情的拋棄了。在Python中，一個槽點是Python2與Python3不兼容。因為Python沒有向後兼容，給所有的Python工程師帶來了無數的煩惱。
3. 提升Python運行速度的5個小技巧
pre{overflow-x: auto}Python 是世界上使用最廣泛的編程語言之一。它是一種解釋型高級通用編程語言，具有廣泛的用途，幾乎可以將其用於所有事物。其以簡單的語法、優雅的代碼和豐富的第三方庫而聞名。python除了有很多優點外，但在速度上還有一個非常大的缺點。
雖然Python代碼運行緩慢，但可以通過下面分享的5個小技巧提升Python運行速度！
首先，定義一個計時函數timeshow，通過簡單的裝飾，可以列印指定函數的運行時間。
這個函數在下面的例子中會被多次使用。
def timeshow(func): from time import time def newfunc(*arg, **kw): t1 = time() res = func(*arg, **kw) t2 = time() print(f"{func.__name__: >10} : {t2-t1:.6f} sec") return res return newfunc @timeshow def test_it(): print("hello pytip") test_it() 1. 選擇合適的數據結構使用正確的數據結構對python腳本的運行時間有顯著影響。Python 有四種內置的數據結構：
列表 : List
元組 : Tuple
集合 : Set
字典 : Dictionary
但是，大多數開發人員在所有情況下都使用列表。這是不正確的做法，應該根據任務使用合適數據結構。
運行下面的代碼，可以看到元組執行簡單檢索操作的速度比列錶快。其中dis模塊反匯編了一個函數的位元組碼，這有利於查看列表和元組之間的區別。
import dis def a(): data = [1, 2, 3, 4, 5,6,7,8,9,10] x =data[5] return x def b(): data = (1, 2, 3, 4, 5,6,7,8,9,10) x =data[5] return x print("-----:使用列表的機器碼:------") dis.dis(a) print("-----:使用元組的機器碼:------") dis.dis(b)運行輸出:
-----:使用列表的機器碼:------
3 0 LOAD_CONST 1 (1)
2 LOAD_CONST 2 (2)
4 LOAD_CONST 3 (3)
6 LOAD_CONST 4 (4)
8 LOAD_CONST 5 (5)
10 LOAD_CONST 6 (6)
12 LOAD_CONST 7 (7)
14 LOAD_CONST 8 (8)
16 LOAD_CONST 9 (9)
18 LOAD_CONST 10 (10)
20 BUILD_LIST 10
22 STORE_FAST 0 (data)
4 24 LOAD_FAST 0 (data)
26 LOAD_CONST 5 (5)
28 BINARY_SUBSCR
30 STORE_FAST 1 (x)
5 32 LOAD_FAST 1 (x)
34 RETURN_VALUE
-----:使用元組的機器碼:------
7 0 LOAD_CONST 1 ((1, 2, 3, 4, 5, 6, 7, 8, 9, 10))
2 STORE_FAST 0 (data)
8 4 LOAD_FAST 0 (data)
6 LOAD_CONST 2 (5)
8 BINARY_SUBSCR
10 STORE_FAST 1 (x)
9 12 LOAD_FAST 1 (x)
14 RETURN_VALUE
看下列表的機器碼，冗長而多餘！
2. 善用強大的內置函數和第三方庫如果你正在使用python並且仍在自己編寫一些通用函數(比如加法、減法)，那麼是在侮辱python。 Python有大量的庫和內置函數來幫助你不用編寫這些函數。 如果研究下，那麼你會驚奇地發現幾乎90%的問題已經有第三方包或內置函數來解決。
可以通過訪問官方文檔查看所有內置函數。你也可以在wiki python上找到更多使用內置函數的場景。
比如，現在我們想合並列表中的所有單詞為一個句子，比較法自己編寫和調用庫函數的區別:
# ❌ 正常人能想到的方法 @timeshow def f1(list): s ="" for substring in list: s += substring return s # ✅ pythonic 的方法 @timeshow def f2(list): s = "".join(list) return s l = ["I", "Love", "Python"] * 1000 # 為了看到差異，我們把這個列表放大了 f1(l) f2(l)運行輸出:
f1 : 0.000227 sec
f2 : 0.000031 sec
3. 少用循環
用 列表推導式 代替循環
用 迭代器 代替循環
用 filter() 代替循環
減少循環次數，精確控制，不浪費CPU
## 返回n以內的可以被7整除的所有數字。 # ❌ 正常人能想到的方法: @timeshow def f_loop(n): L=[] for i in range(n): if i % 7 ==0: L.append(i) return L # ✅ 列表推導式 @timeshow def f_list(n): L = [i for i in range(n) if i % 7 == 0] return L # ✅ 迭代器 @timeshow def f_iter(n): L = (i for i in range(n) if i % 7 == 0) return L # ✅ 過濾器 @timeshow def f_filter(n): L = filter(lambda x: x % 7 == 0, range(n)) return L # ✅ 精確控制循環次數 @timeshow def f_mind(n): L = (i*7 for i in range(n//7)) return L n = 1_000_000 f_loop(n) f_list(n) f_iter(n) f_filter(n) f_mind(n)輸出為:
f_loop : 0.083017 sec
f_list : 0.056110 sec
f_iter : 0.000015 sec
f_filter : 0.000003 sec
f_mind : 0.000002 sec
誰快誰慢，一眼便知！
filter 配合 lambda 大法就是屌！！！
4. 避免循環重復計算如果你有一個迭代器，必須用它的元素做一些耗時計算，比如匹配正則表達式。你應該將正則表達式模式定義在循環之外，因為最好只編譯一次模式，而不是在循環的每次迭代中一次又一次地編譯它。
只要有可能，就應該嘗試在循環外進行盡可能多的運算，比如將函數計算分配給局部變數，然後在函數中使用它。
# ❌ 應改避免的方式： @timeshow def f_more(s): import re for i in s: m = re.search(r'a*[a-z]?c', i) # ✅ 更好的方式： @timeshow def f_less(s): import re regex = re.compile(r'a*[a-z]?c') for i in s: m = regex.search(i) s = ["abctestabc"] * 1_000 f_more(s) f_less(s)輸出為:
f_more : 0.001068 sec
f_less : 0.000365 sec
內存佔用是指程序運行時使用的內存量。為了讓Python代碼運行得更快，應該減少程序的內存使用量，即盡量減少變數或對象的數量。
Python 訪問局部變數比全局變數更有效。在有必要之前，應該始終嘗試忽略聲明全局變數。一個在程序中定義過的全局變數會一直存在，直到整個程序編譯完成，所以它一直占據著內存空間。另一方面，局部變數訪問更快，且函數完成後即可回收。因此，使用多個局部變數比使用全局變數會更好。
# ❌ 應該避免的方式： message = "Line1 " message += "Line2 " message += "Line3 " # ✅ 更好的方式： l = ["Line1","Line2","Line3"] message = ' '.join(l) # ❌ 應該避免的方式： x = 5 y = 6 def add(): return x+y add() # ✅ 更好的方式： def add(): x = 5 y = 6 return x+y add()總結
本篇文章就到這里了，希望能夠給你帶來幫助，也希望您能夠多多關注的更多內容!
4. python下載為什麼這么慢
答: 如果是在官網上下載Python的話，確實有時候會比較慢，因為文件的發布在國外的伺服器上，但是肯定是可以下載成功的。如果還是覺得下載速度比較慢的話，就可以找鏡像下載或者下載別人分享的，希望能夠幫助到你。
5. 用python處理一個1G左右的數據集，運行速度非常慢，怎樣優化
第一個辦法，降低數據集的大小。python處理數據，如果數據結構中的數據超過2GB，通常都會很慢。如何降低數據集大小，需要修改演算法。
第二個辦法，將數據結構採用數組array或者是numarray存貯。這樣內存數量與查找效率都會提高。盡量不要使用大的dict。使用一個省內存的blist代替list
第三個辦法，將數據通過共享內存，讓C++擴展模塊來處理。
常用的是第二種辦法。就是換個數據結構就可以提高效率。
6. python跑了一個小時正常嗎
python跑了一個小時不正常。python跑時間超過半小時會發生內存泄漏的情況，是指程序中己動態分配的堆內存由於某種原因程序未釋放或無法釋放，造成系統內存的浪費，導致程序運行速度減慢甚至系統崩潰等嚴重後果。我的程序正好有大量的循環，因此也給不斷累積的內存泄漏提供了條件。
python特點
python是一種計算機程序設計語言，python是用來編寫應用程序的高級編程語言。完成同一個任務，python的代碼量很少，但是代碼少的代價是運行速度慢。python就為我們提供了非常完善的基礎代碼庫，覆蓋了網路、文件、GUI、資料庫、文本等大量內容，被形象地稱作內置電池。用python開發，許多功能不必從零編寫，直接使用現成的即可。