def exp( x):...
print( '{0:<10} {1:<8} {2:^8}'.format( 'module', 'function', 'time'))exp(Decimal( 150))exp(Decimal( 400))exp(Decimal( 3000))
这给出我们如下输出：
~ $ python3 .8slow_program.pymodulefunction time__main__ . exp: 0.003267502994276583__main__ . exp: 0.038535295985639095__main__ . exp: 11.728486061969306
需要考虑的一件事是我们实际想要测量的时间。时间包提供time.perf_counter和time.process_time两个函数。他们的区别在于perf_counter返回的绝对值，包括你的Python程序进程未运行时的时间，因此它可能会受到计算机负载的影响。另一方面，process_time仅返回用户时间(不包括系统时间)，这仅是你的过程时间。
◆◆加速吧！◆◆
让Python程序运行得更快，这部分会很有趣！我不会展示可以解决你的性能问题的技巧和代码，更多地是关于构想和策略的，这些构想和策略在使用时可能会对性能产生巨大影响，在某些情况下，可以将速度提高30％。
1. 使用内置数据类型
这一点很明显。内置数据类型非常快，尤其是与我们的自定义类型(例如树或链接列表)相比。这主要是因为内置程序是用C实现的，因此在使用Python进行编码时我们的速度实在无法与之匹敌。
2. 使用lru_cache缓存/记忆
我已经在上一篇博客中展示了此内容，但我认为值得用简单的示例来重复它：
importfunctoolsimporttime# caching up to 12 different results@functools.lru_cache(maxsize=12)defslow_func(x):time.sleep( 2) # Simulate long computationreturnxslow_func( 1) # ... waiting for 2 sec before getting resultslow_func( 1) # already cached - result returned instantaneously!slow_func( 3) # ... waiting for 2 sec before getting result
上面的函数使用time.sleep模拟大量计算。第一次使用参数1调用时，它将等待2秒钟，然后才返回结果。再次调用时，结果已经被缓存，因此它将跳过函数的主体并立即返回结果。有关更多实际示例，请参见以前的博客文章。
3. 使用局部变量
这与在每个作用域中查找变量的速度有关，因为它不只是使用局部变量还是全局变量。实际上，即使在函数的局部变量(最快)，类级属性(例如self.name——较慢)和全局(例如，导入的函数)如time.time(最慢)之间，查找速度实际上也有所不同。
你可以通过使用看似不必要的分配来提高性能，如下所示：
# Example #1classFastClass:defdo_stuff(self):temp = self.value # this speeds up lookup in loopfori inrange( 10000):... # Do something with `temp` here# Example #2importrandomdeffast_function:r = random.randomfori inrange( 10000):print(r) # calling `r` here, is faster than global random.random
4. 使用函数
这似乎违反直觉，因为调用函数会将更多的东西放到堆栈上，并从函数返回中产生开销，但这与上一点有关。如果仅将整个代码放在一个文件中而不将其放入函数中，则由于全局变量，它的运行速度会慢得多。因此，你可以通过将整个代码包装在main函数中并调用一次来加速代码，如下所示：
defmain:... # All your previously global code
main
5. 不访问属性
可能会使你的程序变慢的另一件事是点运算符(.)，它在获得对象属性时被使用。此运算符使用__getattribute__触发字典查找，这会在代码中产生额外的开销。那么，我们如何才能真正避免(限制)使用它呢？
# Slow:importredefslow_func:fori inrange( 10000):re.findall(regex, line) # Slow!# Fast:fromre importfindalldeffast_func:fori inrange( 10000):findall(regex, line) # Faster!
6. 当心字符串
使用模数(％s)或.format进行循环运行时，字符串操作可能会变得非常慢。我们有什么更好的选择？根据雷蒙德·海廷格(Raymond Hettinger)最近的推特，我们唯一应该使用的是f字符串，它是最易读，最简洁且最快的方法。根据该推特，这是你可以使用的方法列表——最快到最慢：
f' {s}{t}'# Fast!s + ' '+ t' '.join((s, t))'%s %s'% (s, t)'{} {}'.format(s, t)Template( '$s $t').substitute(s=s, t=t) # Slow!
生成器本质上并没有更快，因为它们被允许进行延迟计算，从而节省了内存而不是时间。但是，保存的内存可能会导致你的程序实际运行得更快。这是怎么做到的？如果你有一个很大的数据集，而没有使用生成器(迭代器)，那么数据可能会溢出CPU L1缓存，这将大大减慢内存中值的查找速度。
在性能方面，非常重要的一点是CPU可以将正在处理的所有数据尽可能地保存在缓存中。你可以观看Raymond Hettingers的视频，他在其中提到了这些问题。
◆◆结论◆◆
优化的首要规则是不要优化。但是，如果确实需要，那么我希望上面这些技巧可以帮助你。但是，在优化代码时要小心，因为它可能最终使你的代码难以阅读，因此难以维护，这可能超过优化的好处。
