Python 是一种脚本语言，相比 C/C++ 这样的编译语言，在效率和性能方面存在一些不足。但是，有很多时候，Python 的效率并没有想象中的那么夸张。本文对一些 Python 代码加速运行的技巧进行整理。

0. 代码优化原则

本文会介绍不少的 Python 代码加速运行的技巧。在深入代码优化细节之前，需要了解一些代码优化基本原则。

第一个基本原则是不要过早优化。很多人一开始写代码就奔着性能优化的目标，“让正确的程序更快要比让快速的程序正确容易得多”。因此，优化的前提是代码能正常工作。过早地进行优化可能会忽视对总体性能指标的把握，在得到全局结果前不要主次颠倒。

第二个基本原则是权衡优化的代价。优化是有代价的，想解决所有性能的问题是几乎不可能的。通常面临的选择是时间换空间或空间换时间。另外，开发代价也需要考虑。

第三个原则是不要优化那些无关紧要的部分。如果对代码的每一部分都去优化，这些修改会使代码难以阅读和理解。如果你的代码运行速度很慢，首先要找到代码运行慢的位置，通常是内部循环，专注于运行慢的地方进行优化。在其他地方，一点时间上的损失没有什么影响。

1. 避免全局变量 

1. # 不推荐写法。代码耗时：26.8秒  
2. import math  
3. size = 10000  
4. for x in range(size):  
5.     for y in range(size):  
6.         z = math.sqrt(x) + math.sqrt(y) 

许多程序员刚开始会用 Python 语言写一些简单的脚本，当编写脚本时，通常习惯了直接将其写为全局变量，例如上面的代码。但是，由于全局变量和局部变量实现方式不同，定义在全局范围内的代码运行速度会比定义在函数中的慢不少。通过将脚本语句放入到函数中，通常可带来 15% – 30% 的速度提升。

1. # 推荐写法。代码耗时：20.6秒  
2. import math  
3. def main():  # 定义到函数中，以减少全部变量使用  
4.     size = 10000  
5.     for x in range(size):  
6.         for y in range(size):  
7.             z = math.sqrt(x) + math.sqrt(y)  
8. main() 

2. 避免.

2.1 避免模块和函数属性访问

1. # 不推荐写法。代码耗时：14.5秒  
2. import math  
3. def computeSqrt(size: int):  
4.     result = []  
5.     for i in range(size):  
6.         result.append(math.sqrt(i))  
7.     return result  
8. def main(): 
9.      size = 10000  
10.     for _ in range(size):  
11.         result = computeSqrt(size)  
12. main() 

每次使用.（属性访问操作符时）会触发特定的方法，如__getattribute__()和__getattr__()，这些方法会进行字典操作，因此会带来额外的时间开销。通过from import语句，可以消除属性访问。

1. # 第一次优化写法。代码耗时：10.9秒  
2. from math import sqrt  
3. def computeSqrt(size: int):  
4.     result = []  
5.     for i in range(size):  
6.         result.append(sqrt(i))  # 避免math.sqrt的使用  
7.     return result  
8. def main():  
9.     size = 10000  
10.     for _ in range(size):  
11.         result = computeSqrt(size)  
12. main() 

在第 1 节中我们讲到，局部变量的查找会比全局变量更快，因此对于频繁访问的变量sqrt，通过将其改为局部变量可以加速运行。

1. # 第二次优化写法。代码耗时：9.9秒  
2. import math  
3. def computeSqrt(size: int):  
4.     result = []  
5.     sqrt = math.sqrt  # 赋值给局部变量 
6.      for i in range(size):  
7.         result.append(sqrt(i))  # 避免math.sqrt的使用  
8.     return result 
9.  def main():  
10.     size = 10000  
11.     for _ in range(size):  
12.         result = computeSqrt(size)  
13. main() 

除了math.sqrt外，computeSqrt函数中还有.的存在，那就是调用list的append方法。通过将该方法赋值给一个局部变量，可以彻底消除computeSqrt函数中for循环内部的.使用。

1. # 推荐写法。代码耗时：7.9秒  
2. import math  
3. def computeSqrt(size: int):  
4.     result = []  
5.     append = result.append  
6.     sqrt = math.sqrt    # 赋值给局部变量  
7.     for i in range(size):  
8.         append(sqrt(i))  # 避免 result.append 和 math.sqrt 的使用  
9.     return result  
10. def main():  
11.     size = 10000  
12.     for _ in range(size):  
13.         result = computeSqrt(size)  
14. main() 

2.2 避免类内属性访问 

1. # 不推荐写法。代码耗时：10.4秒  
2. import math  
3. from typing import List  
4. class DemoClass:  
5.     def __init__(self, value: int):  
6.         self._value = value      
7.     def computeSqrt(self, size: int) –> List[float]:  
8.         result = []  
9.         append = result.append  
10.         sqrt = math.sqrt  
11.         for _ in range(size):  
12.             append(sqrt(self._value))  
13.         return result  
14. def main():  
15.     size = 10000  
16.     for _ in range(size):  
17.         demo_instance = DemoClass(size)  
18.         result = demo_instance.computeSqrt(size)  
19. main() 

避免.的原则也适用于类内属性，访问self._value的速度会比访问一个局部变量更慢一些。通过将需要频繁访问的类内属性赋值给一个局部变量，可以提升代码运行速度。