【python实操】如何改善你的程序,让你的程序更快执行?

简介: 【python实操】如何改善你的程序,让你的程序更快执行?



⭐️前言

首先我们笼统来看几个改善Python程序性能的建议:

使用合适的数据结构:选择最适合处理问题的数据结构可以提高程序性能。例如,使用字典不是列表查找元素

避免冗余计算和循环:重复计算和循环可能会使程序变慢。通过缓存结果或使用生成器避免冗余计算,避免多次循环可以提高性能。

使用内置函数和库:内置函数和库通常比手写的代码快得多,因为它们经过优化和测试

避免过多的对象属性访问:频繁访问对象属性会使代码变慢,对于经常访问同一属性的代码可以考虑使用局部变量缓存这些属性。

使用NumPy或Pandas:NumPy和Pandas是用于数值计算和数据分析的Python库,它们针对大型数据集进行了优化,通常比纯Python代码更快

使用并行编程: Python中的并行编程可以显著提高程序的性能。使用multiprocessing和threading模块可以将任务分配给多个处理器和内核

代码优化:分析代码并使用适当的算法和数据结构减少函数调用,避免不必要的内存分配和使用适当的数据类型都可以提高程序的性能。

⭐️代码举例

说得再多不如我们上手试一试!

下面来看一个具体的我们模拟的买票程序。

🌟 买票程序初始代码

# coding=gbk
import threading
from time import *
from datetime import datetime
tickets=[
     ["2030","beijing","武汉",10,200],
     ["3300", "beijing", "武汉", 3, 200],
     ["2010", "beijing", "武汉", 2, 200],
     ["3020", "beijing", "武汉", 3, 200],
     ["1022", "beijing", "武汉", 0, 200],
     ["5020", "beijing", "武汉", 120, 200],
     ["4010", "beijing", "武汉", 110, 200]
]
def buy_ticket(name,nums,data1,start_station):
    i=0;
    sleep(1)
    for get_record in tickets:
        if get_record[0]==data1 and get_record[1]==start_station:
            if get_record[3]>=nums:
                tickets[i][3]=get_record[3]-nums
                return nums
            else:
                print("没票了")
                return -1
        i+=1
    print("今天没票了%s"%(name))
    return -1
if __name__=="__main__":
    print("start time",datetime.now())
    result=buy_ticket("张三",2,"3300","beijing")
    print(result)
    result = buy_ticket("里斯", 2, "3300", "beijing")
    print(result)
    print(datetime.now())

结果:

start time 2023-03-28 19:30:08.243448
2
没票了
-1
2023-03-28 19:30:10.265600

一共用了小两秒,很普通的结果。

⭐️改进

# coding=gbk
import threading
from time import *
from datetime import datetime
tickets=[
     ["2030","beijing","武汉",10,200],
     ["3300", "beijing", "武汉", 3, 200],
     ["2010", "beijing", "武汉", 2, 200],
     ["3020", "beijing", "武汉", 3, 200],
     ["1022", "beijing", "武汉", 0, 200],
     ["5020", "beijing", "武汉", 120, 200],
     ["4010", "beijing", "武汉", 110, 200]
]
def buy_ticket(name,nums,data1,start_station):
    i=0;
    sleep(1)
    for get_record in tickets:
        if get_record[0]==data1 and get_record[1]==start_station:
            if get_record[3]>=nums:
                tickets[i][3]=get_record[3]-nums
                return nums
            else:
                print("没票了")
                return -1
        i+=1
    print("今天没票了%s"%(name))
    return -1
if __name__=="__main__":
    print("start time",datetime.now())
    t1=threading.Thread(target=buy_ticket,args=("张三",2,"3300","beijing"))
    t2=threading.Thread(target=buy_ticket,args=("里斯", 2, "3300", "beijing"))
    print(datetime.now())

哇!!!!!!!!!!!!

看结果!

start time 2023-03-28 20:26:04.097750
没票了
2023-03-28 20:26:05.099602

一秒! 这种程序我们叫做程序怪

显而易见,我们节省了一半的时间

🌟 多学一点:多线程编程,为什么要调用join方法

在Python中,当一个线程完成了它的工作,它会进入到"完成"状态。但是,如果其他线程还在运行,那么主线程或者其他线可能不会在这个线程完成之前终止。为了避免这种情况,我们可以调用join()方法

join()方法的作用是使主线程等待其他线程完成。当调用join()方法时,主线程会阻塞直到线程执行完毕并退出。同时,如果某个线程发生异常而未能完成工作,join()方法可以帮助我们抛出并处理该异常

总的来说,join()方法保证了所有线程都执行完毕后才会结束程序,避免了出现未定义的行为。

⭐️最终版-用类方式实现

# coding=gbk
import threading
from time import *
from datetime import datetime
tickets=[
     ["2030","beijing","武汉",10,200],
     ["3300", "beijing", "武汉", 3, 200],
     ["2010", "beijing", "武汉", 2, 200],
     ["3020", "beijing", "武汉", 3, 200],
     ["1022", "beijing", "武汉", 0, 200],
     ["5020", "beijing", "武汉", 120, 200],
     ["4010", "beijing", "武汉", 110, 200]
]
def buy_ticket(name,nums,data1,start_station):
    i=0;
    sleep(1)
    for get_record in tickets:
        if get_record[0]==data1 and get_record[1]==start_station:
            if get_record[3]>=nums:
                tickets[i][3]=get_record[3]-nums
                return nums
            else:
                print("没票了")
                return -1
        i+=1
    print("今天没票了%s"%(name))
    return -1
class MThread(threading.Thread):# 子类继承
    def __init__(self,target,args):# 定义构造函数init
        threading.Thread.__init__(self)# 继承父类的init
        self.target=target
        self.args=args
    def run(self) -> None:
        self.target(*self.args)
if __name__=="__main__":
    visitor=[
        ("张三", 2, "3300", "beijing"),
        ("里斯", 2, "3300", "beijing")
    ]
    class_do_list=[]
    print("start time",datetime.now())
    for get_r in visitor:
        getone=MThread(target=buy_ticket,args=get_r)# 产生线程实例
        class_do_list.append(getone)
    for i in range(len(class_do_list)):
        class_do_list[i].start()
    for i in range(len(class_do_list)):
        class_do_list[i].join()
    print(datetime.now())
    print(tickets)

效果很好!

start time 2023-03-28 21:13:12.683064
没票了
2023-03-28 21:13:13.692903
[['2030', 'beijing', '武汉', 10, 200], ['3300', 'beijing', '武汉', 1, 200], ['2010', 'beijing', '武汉', 2, 200], ['3020', 'beijing', '武汉', 3, 200], ['1022', 'beijing', '武汉', 0, 200], ['5020', 'beijing', '武汉', 120, 200], ['4010', 'beijing', '武汉', 110, 200]]

我们利用了do-list来做事!非常优雅

class_do_list=[]
    for get_r in visitor:
        getone=MThread(target=buy_ticket,args=get_r)# 产生线程实例
        class_do_list.append(getone)
    for i in range(len(class_do_list)):
        class_do_list[i].start()
    for i in range(len(class_do_list)):
        class_do_list[i].join()
相关文章
|
2天前
|
消息中间件 程序员 调度
Python并发编程:利用多线程提升程序性能
本文探讨了Python中的并发编程技术,重点介绍了如何利用多线程提升程序性能。通过分析多线程的原理和实现方式,以及线程间的通信和同步方法,读者可以了解如何在Python中编写高效的并发程序,提升程序的执行效率和响应速度。
|
2天前
|
缓存 Shell 开发工具
[oeasy]python0016_在vim中直接运行python程序
在 Vim 编辑器中,可以通过`:!`命令来执行外部程序,例如`:!python3 oeasy.py`来运行Python程序。如果想在不退出Vim的情况下运行当前编辑的Python文件,可以使用`%`符号代表当前文件名,所以`:!python3 %`同样能运行程序。此外,可以使用`|`符号连续执行命令,例如`:w|!python3 %`会先保存文件(`w`)然后运行Python程序。这样,就可以在不离开Vim的情况下完成编辑、保存和运行Python程序的流程。
14 0
|
4天前
|
监控 开发者 Python
Python中记录程序报错信息的实践指南
Python中记录程序报错信息的实践指南
12 1
|
7天前
|
监控 测试技术 持续交付
Python自动化测试代理程序可用性
总之,通过编写测试用例、自动化测试和设置监控系统,您可以确保Python自动化测试代理程序的可用性,并及时发现和解决问题。这有助于提供更可靠和高性能的代理服务。
12 4
|
9天前
|
Python
简单的 Python 计算器程序
这是一个简单的Python计算器程序,实现了加、减、乘、除功能。用户选择运算类型及输入两个数字后,程序依据选择调用相应函数进行计算并显示结果。若输入非法,程序显示错误信息。
32 3
|
13天前
|
监控 测试技术 API
Python Web应用程序构建
【4月更文挑战第11天】Python Web开发涉及多种框架,如Django、Flask和FastAPI,选择合适框架是成功的关键。示例展示了使用Flask创建简单Web应用,以及如何使用ORM(如SQLAlchemy)管理数据库。
23 4
|
14天前
|
人工智能 数据库 开发者
Python中的atexit模块:优雅地处理程序退出
Python中的atexit模块:优雅地处理程序退出
12 3
|
16天前
|
存储 索引 Python
Python从入门到精通——1.3.1练习编写简单程序
Python从入门到精通——1.3.1练习编写简单程序
|
17天前
|
Python
过年了,让GPT用Python给你写个放烟花的程序吧!
过年了,让GPT用Python给你写个放烟花的程序吧!
18 0
|
21天前
|
存储 数据采集 NoSQL
使用Python打造爬虫程序之数据存储与持久化:从网络到硬盘的无缝对接
【4月更文挑战第19天】本文探讨了爬虫中的数据存储与持久化技术,包括文本文件存储、数据库(关系型与非关系型)、NoSQL数据库和键值存储,以及ORM框架的使用。根据数据类型、规模和访问需求选择合适存储方式,并注意数据安全、备份和恢复策略。正确选择和应用这些技术能有效管理和利用爬取数据。