盘点提高 Python 代码效率的方法
第一招：蛇打七寸：定位瓶颈
首先，第一步是定位瓶颈。举个简单的栗子，一个函数可以从1秒优化到到0.9秒，另一个函数可以从1分钟优化到30秒，如果要花的代价相同，而且时间限制只能搞定一个，搞哪个？根据短板原理，当然选第二个啦。
一个有经验的程序员在这里一定会迟疑一下，等等？函数？这么说，还要考虑调用次数？如果第一个函数在整个程序中需要被调用100000次，第二个函数在整个程序中被调用1次，这个就不一定了。举这个栗子，是想说明，程序的瓶颈有的时候不一定一眼能看出来。还是上面那个选择，程序员的你应该有感觉的，大多数情况下：一个「可以」从一分钟优化到30秒的函数会比一个「可以」从1秒优化到0.9秒的函数更容易捕获我们的注意，因为有很大的进步空间嘛。
所以，这么多废话讲完，献上第一招，profile。这是python自带的定位程序瓶颈的利器！虽然它提供了三种选项profile，cProfile，hotshot。还分为内置和外置。但是，个人觉得一种足矣，外置cProfile。心法如下：
python-mprofile逗比程序.py
这招的效果会输出一系列东西，比如函数被调用了几次，总时间多少，其中有多少是这个函数的子函数花费的，每次花多少时间，等等。嘛一图胜千言：
filename:lineno(function):文件名：第几行（函数名）
ncalls:这货一共调用了几次
tottime:这货自己总共花了多少时间，也就是要除掉内部函数小弟们的花费
percall:平均每次调用花的时间，tottime除以ncalls
cumtime:这货还有它的所有内部函数小弟们的总花费
percall:跟上面那个percall差不多，不过是cumtime除以ncalls
找到最值得优化的点，然后干吧。
第二招：一蛇禅：只需一招
记得刚开始接触Python的时候，有一位学长告诉我，Python有一个牛逼的理想，它希望每一个用它的人能写出一模一样的程序。Python之禅有云：
Thereshouldbeone--andpreferablyonlyone--obviouswaytodoit
所以Python系专业的禅师提供了一些常用功能的onlyone的写法。本人看了一下传说中的PythonWiKi:PerformanceTips，总结了几个「不要酱紫」「要酱紫」。
合并字符串的时候不要酱紫：
s=""forsubstringinlist:s+=substring
要酱紫：
s="".join(slist)
格式化字符串的时候不要酱紫：
out="<html>"+head+prologue+query+tail+"</html>"
要酱紫：
out="<html>%s%s%s%s</html>"%(head,prologue,query,tail)
可以不用循环的时候就不要用循环，比如不要酱紫：
newlist=[]forwordinoldlist:newlist.append(word.upper())
要酱紫：
newlist=map(str.upper,oldlist)
或者酱紫：
newlist=[s.upper()forsinoldlist]
字典初始化，比较常用的：
wdict={}forwordinwords:ifwordnotinwdict:wdict[word]=0wdict[word]+=1
如果重复的word太多了的话，可以考虑用酱紫的模式来省掉大量判断：
wdict={}forwordinwords:try:wdict[word]+=1exceptKeyError:wdict[word]=1
尽量减少function调用次数，用内部循环代替，比如，不要酱紫：
x=0defdoit1(i):globalxx=x+ilist=range(100000)t=time.time()foriinlist:doit1(i)
要酱紫：
x=0defdoit2(list):globalxforiinlist:x=x+ilist=range(100000)t=time.time()doit2(list)
第三招：蛇之狙击：高速搜索
这一招部分来源于IBM:Python代码性能优化技巧，搜索算法的最高境界是O(1)的算法复杂度。也就是HashTable。本人幸本科的时候学了点数据结构。知道Python的list使用类似链表的方法实现的。如过列表很大的话，在茫茫多的项里面用ifXinlist_a来做搜索和判断效率是非常低的。
Python的tuple我用得非常少，不评论。另两个我用得非常多的是set和dict。这两个就是用的类似HashTable的实现方法。
所以尽量不要酱紫：
k=[10,20,30,40,50,60,70,80,90]foriinxrange(10000):ifiink:#Dosomethingcontinue
要酱紫：
```k=[10,20,30,40,50,60,70,80,90]k_dict={i:0foriink}
先把list转换成dictionary
foriinxrange(10000):ifiink_dict:#Dosomethingcontinue```
找list的交集，不要酱紫：
list_a=[1,2,3,4,5] list_b=[4,5,6,7,8] list_common=[aforainlist_aifainlist_b]
要酱紫：
list_a=[1,2,3,4,5] list_b=[4,5,6,7,8] list_common=set(list_a)&set(list_b)
第四招：小蛇蛇……：想不出来名字了，就是各种小Tips
变量交换不需要中间变量：a,b=b,a(这里有个神坑，至今记忆深刻：True,False=False,True)
如果使用Python2.x，用xrange代替range，如果用Python3.x，range已经是xrange了，xrange已经木有了。xrange不会像range一样生成一个列表，而是生成一个迭代器，省内存。
可以用x>y>z代替x>yandy>z。效率更高，可读性也更好。当然理论上x>y
add(x,y)一般会比a+b要快？这个本人有所怀疑，实验了一下，首先add不能直接用，要importoperator，第二，我的实验结果表示add(x,y)完全没有a+b快，更何况还要牺牲可读性。
while1确实比whileTrue要快那么一点点。做了两次实验，大概快了15%左右。
第五招：无蛇胜有蛇：代码之外的性能
代码之外嘛，除了硬件之外，就是编译器了，这里隆重推荐pypy。pypy是一种叫做just-in-time的即时编译器。这个编译器的特点就是编译一句跑一句，和静态的编译器的区别嘛，我在知乎上看到一个非常形象的比喻：
假定你是一个导演，静态编译就是让演员把整个剧本背下来吃透，然后连续表演一个小时。动态编译就是让演员表演两分钟，然后思考一下，再看一下剧本，再表演两分钟……
动态编译和静态编译各有所长，看你演的是电影还是话剧了。
此外还有一个Cython可以在python里内置一些C的代码。我用的非常少，但是关键时刻确实有效。