[]时间管理很重要：Python代码的优化之道

全文共2198字，预计学习时长8分钟

本文插图
图源：unsplash
时间管理可是一门大学问，如何在有限的时间更快地运行代码，并且拥有更优秀的性能，是我们应该去思考的事情。毕竟，成为伟大程序员之路就是要不断超越自己，寻找最优解。本文就将给大家提供一些时间管理的小tips 。

本文插图
1.优化代码和算法
首先，要仔细阅读你的代码和算法。通过执行更优算法或添加缓存可以解决很多速度问题。具体的准则能写整本书，但要遵循的一些通用准则是：
· 测试，不要猜测。测试代码哪些部分的运行耗费最长时间，首先关注这些部分。
· 减少内存使用量。通常情况下，请尝试减少内存使用量。例如：逐行分析一个大型文件，而不先将其存储到内存中。
· 执行缓存。如果你从磁盘，网络和数据库中执行许多重复的搜索，那么执行缓存可能是一个很大的优化。
· 尽可能减少代码中的迭代次数，尤其减少迭代内部操作的次数。
· 避免（深度）递归。对Python解释器而言，这需要大量内存和内务处理，改用生成器和迭代等。
· 重用对象，而不是在每次迭代中创建新对象。 Python必须清理已经创建的每个对象才能释放内存。这被称作垃圾回收。许多未使用对象的垃圾回收过程会大大降低软件速度。
· 不要这样做。你真的需要执行该操作吗？它可以被放在之后完成吗？或是该操作可被一次完成，并可以存储其结果而不进行一遍又一遍地计算？

本文插图
图源：unsplash

本文插图
2.使用PyPy
你可能正在使用Python的参考实现——CPython ，它之所以被称作CPython ，是因为它由C语言编写而成。很多人都在用它。
但如果确定自己的代码为计算密集型， PyPy会是一个更好的选择。它有可能是一种快速解决方案，且无需更改单行代码。
【[]时间管理很重要：Python代码的优化之道】PyPy声称：它比CPython平均快4.4倍。它通过使用一种叫作即时编译（JIT）的技术加快代码执行速度，其他的JIT还包括Java和.NET框架。而CPython使用解释器执行代码，尽管这提供了很大程度的灵活性，速度却非常慢。
使用JIT ，可以在运行程序的同时编译代码。它结合了提前编译（由C和C ++等语言使用）的速度优势和解释器的灵活性。此外， JIT编译器还可以在代码运行时继续将其优化。代码运行时间越长，就越优化。
PyPy在近几年里发展很快，通常可以被用作Python 2和3的直接替代。它也可以与Pipenv等工具完美配合使用。

本文插图
3.使用Asyncio
Asyncio是Python中一个相对较新的核心库。它与线程解决了相同的问题：即加速了I/O密集型软件系统，但Asyncio实现方式不同。
笔者其实并不喜欢在Python中使用asyncio 。 Asyncio相当复杂，特别是对于初学者。而且由于asyncio库在过去的几年中发展了很多，网络上的教程和示例代码通常已经过时。

本文插图
图源：unsplash