很多人抱怨说自己写的Python代码跑的慢，尤其是当处理的数据集比较大的时候，其实稍微改动几行代码就可以让你的代码性能提高好几倍，不信一起来看下面这个5个小技巧。
1.for 循环
我们大部分的时候代码里面都有for循环，然后里面嵌套一段逻辑处理，下面有两种方法来完成:
二者的性能差距有多大呢，一般我们用内置的timeit模块来量化比较:
把传统的for改成推导列表，高下立判，性能提高了很多，提升了200%
2.用set而不用list
我们再来看一个常见的场景，搜索性能的时候用set是列表10倍，不信看下面这个例子
原因搜索成员的时候，Python的set比list快很多。差距就在if i in mylist 和if i in myset。列表的复杂度是O(n),而集和的复杂度是O(1)，搜索起来肯定是set快！
3.交换if和for的位置
很多时候，我们是在for循环内部进行条件判断，循环一个变量，然后用if/else进行判断。对于这样的情况，可以优化一下，把if/else提到for循环外边，也可以提高性能。
4.巧妙的用try/except语句
很多时候在一个for循环内部，对i进行计算，然后添加到一个list里面，如果能巧妙地利用try/except，可以摆脱对if/else检查的开销，从而提高性能。
5.神器collection模块
collection库提供了很多模块，这些模块非常有用，有一些模块是跟容器有关，大部分的实战项目我们都会用到。比如deque双向队列和defaultdict缺省字典。
1).双向队列deque
deque是双向队列，如果你的业务逻辑里面需要大量的从队列的头或者尾部删除，添加，用deque的性能会大幅提高！如果只是小队列，并且对元素需要随机访问操作,那么list会快一些。
2).缺省字典defaultdict
对于字典的使用，我们要学会用defaultdict来代替，一来是因为有缺省值非常安全，如果访问不存在的key，不会报错；二来是Pyhon性能会大幅提高。
仅仅换了字典数据结构，性能就大幅的提高了3倍。
Python里面的技巧还是很多的，尤其是性能优化这块，Py3已经比Py2性能上高了许多，如果我们在平时写代码的时候，能多一份思考，代码不仅能work还能提升性能，相信你经常这样思考，慢慢的就会成为高手啦！
