原文：
www.kdnuggets.com/2021/06/make-python-code-run-incredibly-fast.html
由 brgfx 制作的图片 在 Freepik 上
Python 是开发者中最受欢迎的编程语言之一。无论是网页开发还是机器学习，它都无处不在。
1. Google 网络安全证书 - 快速进入网络安全职业。
2. Google 数据分析专业证书 - 提升你的数据分析能力
3. Google IT 支持专业证书 - 支持你组织的 IT
其流行有很多原因，例如社区支持、惊人的库、在机器学习和大数据中的广泛使用以及简易的语法。
尽管有这些优点，Python 仍然有一个缺点，就是其 速度较慢。作为一种解释型语言，Python 比其他编程语言要慢。不过，我们可以通过一些技巧来克服这个问题。
在本文中，我将分享一些 Python 技巧，利用这些技巧，我们可以让 Python 代码运行得比平时更快。让我们开始吧！
每种数据结构对运行时间都有显著影响。Python 中有许多内置数据结构，如列表、元组、集合和字典。大多数人使用列表数据结构来处理所有情况。
在 Python 中，集合和字典具有 O(1) 的查找性能，因为它们使用哈希表。你可以在以下情况下使用集合和字典代替列表：
-
你在集合中没有重复项。
-
你需要在集合中重复搜索项目。
-
该集合包含大量项目。
你可以在这里查看不同数据结构的时间复杂度：
本页面记录了当前 CPython 中各种操作的时间复杂度（又称“Big O”或“Big Oh”）...
Python 的内置函数是加速代码的最佳方法之一。你必须在需要时使用内置 Python 函数。这些内置函数经过良好测试和优化。
这些内置函数之所以快，是因为 Python 的内置函数，如 min、max、all、map 等，是用 C 语言实现的。
你应该使用这些内置函数，而不是编写手动函数，这将帮助你更快地执行代码。
示例：
newlist = []
for word in wordlist:
newlist.append(word.upper())更好的代码写法是：
newlist = map(str.upper, wordlist)这里我们使用了内置的 map 函数，它是用 C 编写的。因此，它比使用循环要快得多。
如果你想赋值多个变量，那么不要逐行赋值。Python 有一种优雅且更好的方式来赋值多个变量。
示例：
firstName = "John"
lastName = "Henry"
city = "Manchester"更好的变量赋值方式是：
firstName, lastName, city = "John", "Henry", "Manchester"这种变量赋值方式比上述方法更简洁优雅。
列表推导是一种优雅且更好的方式，可以基于现有列表的元素在一行代码中创建新列表。
列表推导被认为是一种比定义空列表并向其添加元素更具 Python 风格的创建新列表的方式。
列表推导的另一个优点是比使用追加方法向 Python 列表添加元素更快。
示例：
使用列表追加方法：
newlist = []
for i in range(1, 100):
if i % 2 == 0:
newlist.append(i**2)使用列表推导的更好方式：
newlist = [i**2 for i in range(1, 100) if i%2==0]使用列表推导时代码更简洁。
应避免在不需要时导入不必要的模块和库。你可以指定模块名，而不是导入整个库。
导入不必要的库会导致代码性能下降。
示例：
假设你需要计算一个数的平方根。代替这样：
import math
value = math.sqrt(50)使用这个：
from math import sqrt
value = sqrt(50)在 Python 中，我们使用‘+’运算符连接字符串。但在 Python 中连接字符串的另一种方式是使用 join 方法。
Join 方法是一种更具 Python 风格的字符串连接方式，并且比使用‘+’运算符连接字符串更快。
join() 方法更快的原因是‘+’运算符每一步都会创建一个新字符串并复制旧字符串，而 join() 方法并不会这样工作。
示例：
output = "Programming" + "is" + "fun使用 join 方法：
output = " ".join(["Programming" , "is", "fun"])两种方法的输出结果是相同的。唯一的区别是 join() 方法比‘+’运算符更快。
这篇文章到此为止。在这篇文章中，我们讨论了一些可以使代码运行更快的技巧。这些技巧特别适用于竞争编程，其中时间限制至关重要。
希望你喜欢这篇文章。感谢阅读！
Pralabh Saxena 是一名拥有 1 年经验的软件开发人员。Pralabh 撰写文章 涉及 Python、机器学习、数据科学和 SQL 等主题。