python做优化算法（如何优化python的效率）

优化python的效率的方法：1    
    
    
    
、优化算法时间复杂度；2


     


     


     


  、减少冗余数据；3
 




 




 




 
、合理使用copy与deepcopy；4   

   

   

   

、使用dict或set查找元素；5 

     

     

     

 、合理使用生成器（generator）和yield    
    
    
  。

优化方法：

（推荐教程：Python入门教程）

1

  




  




  




  、优化算法时间复杂度

算法的时间复杂度对程序的执行效率影响    
    
    
    
，在Python中可以通过选择合适的数据结构来优化时间复杂度


     


     


     


  ，如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)     


     


     


     
。

2  


  


  


  


、减少冗余数据

如用上三角或下三角的方式去保存一个大的对称矩阵




 




 




 




。在0元素占大多数的矩阵里使用稀疏矩阵表示
   

   

   

 。

3  
     
     
     
、合理使用copy与deepcopy

对于dict和list等数据结构的对象
 




 




 




 
，直接赋值使用的是引用的方式     

     

     

     。而有些情况下需要复制整个对象   

   

   

   

，这时可以使用copy包里的copy和deepcopy 

     

     

     

 ，这两个函数的不同之处在于后者是递归复制的 




  




  




  




。效率也不一样：（以下程序在ipython中运行）

importcopy a=range(100000) %timeit-n10copy.copy(a)#运行10次copy.copy(a) %timeit-n10copy.deepcopy(a) 10loops,bestof3:1.55msperloop 10loops,bestof3:151msperloop

timeit后面的-n表示运行的次数

  




  




  




  ，后两行对应的是两个timeit的输出  


  


  


  


，下同

  


  


  


。由此可见后者慢一个数量级     
     
     
     。

4


   




   




   




   、使用dict或set查找元素

python dict和set都是使用hash表来实现(类似c++11标准库中unordered_map)  
     
     
     
，查找元素的时间复杂度是O(1)

a=range(1000) s=set(a) d=dict((i,1)foriina) %timeit-n10000100ind %timeit-n10000100ins 10000loops,bestof3:43.5nsperloop 10000loops,bestof3:49.6nsperloop

dict的效率略高(占用的空间也多一些)  




   




   




   



。

5 



 



 



 


、合理使用生成器（generator）和yield

%timeit-n100a=(iforiinrange(100000)) %timeit-n100b=[iforiinrange(100000)] 100loops,bestof3:1.54msperloop 100loops,bestof3:4.56msperloop

使用()得到的是一个generator对象


   




   




   




   ，所需要的内存空间与列表的大小无关 



 



 



 


，所以效率会高一些


 



 



 



。在具体应用上                  ，比如set(i for i in range(100000))会比set([i for i in range(100000)])快                   。

但是对于需要循环遍历的情况：

%timeit-n10forxin(iforiinrange(100000)):pass %timeit-n10forxin[iforiinrange(100000)]:pass 10loops,bestof3:6.51msperloop 10loops,bestof3:5.54msperloop

后者的效率反而更高



    




    




    




   ，但是如果循环里有break,用generator的好处是显而易见的   




    




    




    


。yield也是用于创建generator：

defyield_func(ls): foriinls: yieldi+1 defnot_yield_func(ls): return[i+1foriinls] ls=range(1000000) %timeit-n10foriinyield_func(ls):pass %timeit-n10foriinnot_yield_func(ls):pass 10loops,bestof3:63.8msperloop 10loops,bestof3:62.9msperloop

对于内存不是非常大的list

















，可以直接返回一个list                   ，但是可读性yield更佳(人个喜好)


















。