Python 的效率編程_simplified

Python --- 说是当今最热门的编程语言之一，相信大家都不会反对。在去年就有报导说在美国顶针的计算机大学当中，有80%的大学已选用Python 作为编程入门的教学语言。在三维动画业界当中，也越来越多软件支援使用Python 来作开发，使制作人员能容易开发出相关工具，从而提升工作效能。 跟Perl 和Ruby 一样，Python 被归类为Scripting language，设计取向为语法简单，但秏用系统资源比较多，被形容为「犠牲执行效率去换取编程的开发时间」。在这里让我们来分享一些有关怎么去做Python 编程的例子，可以让我们争取更多的执行效率。 例子一・ 交换两个变数的值： import timeit def doSwapWVar(): a = 1 b = 2 tmp = a a = b b = tmp def doSwapWOVar(): a = 1 b = 2 a,b = b,a if __name__ == '__main__': t1 = timeit.Timer('doSwapWVar()', 'from __main__ import doSwapWVar') t1.timeit() #---------------------------------------- t2 = timeit.Timer('doSwapWOVar()', 'from __main__ import doSwapWOVar') t2.timeit() #The execute time print 'Swap with create variable : ', min(t1.repeat(3, 3000000)) print 'Swap without create variable : ', min(t2.repeat(3, 3000000)) print 'Swap with create variable : ', min(t1.repeat(3, 3000000)) print 'Swap without create variable : ', min(t2.repeat(3, 3000000)) print 'Swap with create variable : ', min(t1.repeat(3, 3000000)) print 'Swap without create variable : ', min(t2.repeat(3, 3000000)) Result : Swap with create variable : 0.577996969223 Swap without create variable : 0.568822145462 Swap with create variable : 0.588035106659 Swap without create variable : 0.556537151337 Swap with create variable : 0.599809169769 Swap without create variable : 0.563858985901 a,b = b,a 是Python 的一个典殿堂范例，完美展现出Python 语法的简单和优雅，但好处不只这样。我们使用timeit 来统计这两个不同的交换方法执行所需的时间，doSwapWVar是产生一个参数来暂存其中一个变数的值，另一个doSwapWOVar是直接运用Tuple的打包／解包来实现互换。 我们从结果看到，doSwapWOVar 执行的效率明显比doSwapWVar 快。 例子二・使用if 还是使用 try/except： 我们先来看下面的程式码 import timeit def doCheckUsingIf(x): d = {1:None, 2:None, 3:None, 4:None, 5:None, 6:None, 7:None, 8:None} for i in range(1, x): if i in d: d[i] = i def doCheckUsingTry(x): d = {1:None, 2:None, 3:None, 4:None, 5:None, 6:None, 7:None, 8:None} for i in range(1, x): try: d[i] = i except: pass if __name__ == '__main__': t1 = timeit.Timer('doCheckUsingIf(10)', 'from __main__ import doCheckUsingIf') t1.timeit() t2 = timeit.Timer('doCheckUsingTry(10)', 'from __main__ import doCheckUsingTry') t2.timeit() print 'Check using if :', t1.repeat(1) print 'Check using try :', t2.repeat(1) Result ： Check using if : [2.5136549472808838] Check using try : [2.1905322074890137] 这次我们想要对一个dictionary 里面的key，指定一个跟key 一样的值。在Python 当中，如果指定值的Key 是不存在的话，系统就会返回错误。在doCheckUsingIf 当中，每次执行「d[i] = i」之前，都会用if 去先检查目标的key 是否存在于dictionary 里面。而doCheckUsingTry 当中，使用了try/except 去处理当「d[i] = i」错误发生的状况。从上面的结果看到的，使用Try／except 比使用if 所花的时间少。 我们来修改一下刚刚的程式码 import timeit def doCheckUsingIf(x): d = {1:None, 2:None, 3:None } for i in range(1, x): if i in d: d[i] = i def doCheckUsingTry(x): d = {1:None, 2:None, 3:None } for i in range(1, x): try: d[i] = i except: pass if __name__ == '__main__': t1 = timeit.Timer('doCheckUsingIf(10)', 'from __main__ import doCheckUsingIf') t1.timeit() t2 = timeit.Timer('doCheckUsingTry(10)', 'from __main__ import doCheckUsingTry') t2.timeit() print 'Check using if :', t1.repeat(1) print 'Check using try :', t2
3ff0
.repeat(1) Result : Check using if : [1.8367161750793457] Check using try : [2.2109630107879639] 我们只修改了d 在初始化时的内容，减少了一部份的key。有趣的是，这次的结果跟刚刚完全相反，运行doCheckUsingIf 比doCheckUsingTry 快！确实是当进入except 的次数比较多的状况下，执行所花的时间会非常多，但这是否代表我们就不应使用Try/except 呢？其实我们在编写程式的时候，不应该容许返回错误那么多的情况出现，只要我们在编程时注意所处理资料的向性，使用Try/except 也绝对可以是高效的。 例子三· 比对两个List import timeit def doCompareWithList(): a = range(30) b = range(10) for number in a: if number not in b: b.append(number) def doCompareWithDict(): a = range(30) b = range(10) dictB = dict.fromkeys(b) for number in a: if number not in dictB: a.append(number) dictB[number] = None b.append(number) if __name__ == '__main__': t1 = timeit.Timer('doCompareWithList()', 'from __main__ import doCompareWithList') t1.timeit() t2 = timeit.Timer('doCompareWithDict()', 'from __main__ import doCompareWithDict') t2.timeit() print 'Compare between with list :', t1.repeat(1) print 'Compare between with dict :', t2.repeat(1) Result: Compare between with list : [21.412750959396362] Compare between with dict : [12.298678874969482] 现在我们想要做的是比对一下a 跟b 两个List 里面的元素，当发现a 当中有b 没有的元素时，就把这个元素加入b 里面。在doCompareWithList 当中，用for 把a 的每一个元素代入成number，用if number not in b 去检查，我们要注意的是，这样要遍历整个b 才会知道number 是不存在的。所以当a 有大量b 没有的元素的话，遍历整个b 的次数会非常非常多。 在doCompareWithDict 当中，我们在比对之前先用b 的元素创建了dictB 这个dictionary，然后用if number not in dictB 来比对，检查number 是否跟一个dictionary 的key 相同，所执行的速度是非常快，key数量的多少不会对这速度有太大的影响，所以我们看到范例的做法，doCompareWithDict 比doCompareWithList 效率超出了43%。 以上就是本期瑞云学堂的内容，希望对CG感兴趣的朋友可以关注我们的微信公众平台，或者官方微博，下期瑞云小讲堂再见！