这个是 Python 性能快速优化的第二部分,第一部分请点击这里。
- 使用 Map ,Reduce 和 Filter 代替
for 循环
- 校验
a in b
, 字典 或 set 比 列表 或 元组 更好 - 当数据量大的时候,尽可能使用不可变数据类型,他们更快 元组 > 列表
- 在一个列表中插入数据的复杂度为 O(n)
- 如果你需要操作列表的两端,使用
deque
del - 删除对象使用如下
1) python 自己处理它,但确保使用了gc
模块
2) 编写__del__
函数
3) 最简单的方式,使用后调用del
time.clock()
- GIL(http://wiki.python.org/moin/GlobalInterpreterLock) - GIL is a daemon
GIL 仅仅允许一个 Python 的原生线程来运行每个进程。阻止 CPU 级别的并行,尝试使用 ctypes
和 原生的 C 库来解决它,当你达到 Python 优化的最后,总是存在一个选项,可以使用原生的 C 重写慢的函数,通过 Python 的 C 绑定使用它,其他的库如 gevent
也是致力于解决这个问题,并且获得了成功。
TL,DR:当你写代码了,过一遍数据结构,迭代结构,内建和为 GIL 创建 C 扩展,如有必要。
更新:multiprocessing 是在 GIL 的范围之外,这意味着你可以使用 multiprocessing
这个标准库来运行多个进程。
看下我的 2013 的印度 PyCon 演讲
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用
。你还可以使用@
来通知其他用户。