提高Python程序执行性能的7个习惯
人生苦短，我用Python”，这句话很精髓地体现了Python这门编程语言的特点，就是开发高效。Python的语法表现力很强、很灵活，同时拥有大量优秀的第三方库。
python
不过任何事物都不可能是完美的，很多人诟病Python的执行性能低，没有C、Java等语句强。
其实关于这个问题，我个人认为大可不必过于纠结，没有完美的工具，只有适合的场景。所以，选择一门语句时，要看是用于什么地方。大多数情况下，Python还是非常适合的。
但不同的编码习惯，还是会影响Python的执行效率的，CPU的执行和内存的占用。总结了7个日常的习惯，可以提高Python程序执行性能。
1使用局部变量
尽量使用局部变量替代全局变量，这样利于提升性能和节约内存。
例如：
ls=os.linesep原因：
搜索本地变量速度更快
使用短的命名替代长的模块命名，更便于阅读
2减少一些函数的调用
判断对象类型时，最好使用isinstance()，而不是type()，这样性能更好。
在一个循环里不要重复执行一个判断条件函数，例如：
whilei>len(a):
pass
#len()浪费不必的CPU计算资源使用fromXimportY，替代importX;X.Y，可以减少查找模块次数。
3使用映射替代条件判断
映射的查找速度是远高于条件语句的，例如：
#判断的方式
ifa==1:
b==10
elifa==2:
b==20
#映射的方式
d={1:10,2:20}
b=d[a]4直接迭代序列的元素
序列类型包括：str、list、tuple，直接迭代序列元素币迭代元素索引更快。
a=[1,2,3]
#直接迭代的方式
foritemina:
printitem
#通过索引的方式
foriinrange(len(a)):
printa[i]5生成器替代列表推导
列表推导会产生一个空的list，而生成器是延时产生数据的，对内存更友好。
#列表推导
l=sum([len(word)forlineinfforwordinline.split()])
#生成器
l=sum(len(word)forlineinfforwordinline.split())6先编译后执行
如果需要eval（)和exec()执行code，最好先编译成bytecode，所以使用compile()编译替代str。
其中正则表达式也先编译，再匹配，例如：
re.complie()
7模块程序运行习惯
在模块里要执行一些测试的时候，要注明主函数，如：
defmain():
pass
if__name__=='__main__':
main()这样避免引用时，导致不必要的执行。
