总结3个提升Python运行速度的方法，只从代码本省考虑，并不涉及编写C扩展的代码，基于JIT的编译器技术。
关于代码执行效率的第一个基础理论是减少频繁的方法访问，尤其是在多层循环内层、且循环次数较多的操作，差距尤为明显。
# 真是模块内全局变量
import math
def compute_sqrt(nums):
result = []
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
result.append(math.sqrt(n))
return result
看到在for循环里面，涉及2个频繁的访问： 1. math.sqrt 会被频繁访问 2. result.append 也会被频繁访问
并且math还是模块级别的全局变量，因此第一步做如下更改：直接导入sqrt，而不是导入整个模块后再去引用sqrt
# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt
def compute_sqrt(nums):
result = []
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
result.append(sqrt(n))
return result
然后再修改result.append，不用频繁访问append，使用标签apd指向它就行了：
# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt
def compute_sqrt(nums):
result = []
apd = result.append
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
apd(sqrt(n))
return result
第二个理论：查找局部变量的效率是最高的！！！ 对于频繁访问的变量应尽可能是局部变量，消除不必要的全局变量访问。所以对于上面代码，sqrt还是模块级别的全局变量，所以再改变为：
def compute_sqrt(nums):
# 调整sqrt为局部变量
from math import sqrt
result = []
apd = result.append
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
apd(sqrt(n))
return result
第三条原则就是不要做一些不必要的属性包装，@property必要时再用，可不用时就别用。如下对于属性y做@property装饰没有任何意义！只有在y有特定取值，比如只能取大于0的非负实数时再用此装饰才有意义。
class A:
def __init__(self, x, y):
self.x = x
self.y = y
@property
def y(self):
return self._y
@y.setter
def y(self, value):
self._y = value
因此修改为下面这样，删去多余的@property包装
class A:
def __init__(self, x, y):
self.x = x
self.y = y
以上就是Python代码提速的三条基本但却容易被忽略的有价值原则
大家在看
AI安装教程
AI本地安装教程
微软AI大模型通识教程
微软AI大模型通识教程
AI大模型入门教程
AI大模型入门教程
Python入门教程
Python入门教程
Python进阶教程
Python进阶教程
Python小例子200道练习题
Python小例子200道练习题
Python练手项目
Python练手项目
Python从零在线练习题
Python从零到一60题
