1. 交換賦值
##不推薦
temp = a
a = b
b = a  

##推薦
a, b = b, a  #  先生成一個元組(tuple)對象，然后unpack
2. Unpacking
##不推薦
l = ['David', 'Pythonista', '+1-514-555-1234']
first_name = l[0]
last_name = l[1]
phone_number = l[2]  

##推薦
l = ['David', 'Pythonista', '+1-514-555-1234']
first_name, last_name, phone_number = l
# Python 3 Only
first, *middle, last = another_list
3. 使用操作符in
##不推薦
if fruit == "apple" or fruit == "orange" or fruit == "berry":
    # 多次判斷  

##推薦
if fruit in ["apple", "orange", "berry"]:
    # 使用 in 更加簡潔
4. 字符串操作
##不推薦
colors = ['red', 'blue', 'green', 'yellow']

result = ''
for s in colors:
    result += s  #  每次賦值都丟棄以前的字符串對象, 生成一個新對象  

##推薦
colors = ['red', 'blue', 'green', 'yellow']
result = ''.join(colors)  #  沒有額外的內存分配
5. 字典鍵值列表
##不推薦
for key in my_dict.keys():
    #  my_dict[key] ...  

##推薦
for key in my_dict:
    #  my_dict[key] ...

# 只有當循環中需要更改key值的情況下，我們需要使用 my_dict.keys()
# 生成靜態的鍵值列表。
6. 字典鍵值判斷
##不推薦
if my_dict.has_key(key):
    # ...do something with d[key]  

##推薦
if key in my_dict:
    # ...do something with d[key]
7. 字典 get 和 setdefault 方法
##不推薦
navs = {}
for (portfolio, equity, position) in data:
    if portfolio not in navs:
            navs[portfolio] = 0
    navs[portfolio] += position * prices[equity]
##推薦
navs = {}
for (portfolio, equity, position) in data:
    # 使用 get 方法
    navs[portfolio] = navs.get(portfolio, 0) + position * prices[equity]
    # 或者使用 setdefault 方法
    navs.setdefault(portfolio, 0)
    navs[portfolio] += position * prices[equity]
8. 判斷真偽
##不推薦
if x == True:
    # ....
if len(items) != 0:
    # ...
if items != []:
    # ...  

##推薦
if x:
    # ....
if items:
    # ...
9. 遍歷列表以及索引
##不推薦
items = 'zero one two three'.split()
# method 1
i = 0
for item in items:
    print i, item
    i += 1
# method 2
for i in range(len(items)):
    print i, items[i]

##推薦
items = 'zero one two three'.split()
for i, item in enumerate(items):
    print i, item
10. 列表推導
##不推薦
new_list = []
for item in a_list:
    if condition(item):
        new_list.append(fn(item))  

##推薦
new_list = [fn(item) for item in a_list if condition(item)]
11. 列表推導-嵌套
##不推薦
for sub_list in nested_list:
    if list_condition(sub_list):
        for item in sub_list:
            if item_condition(item):
                # do something...  
##推薦
gen = (item for sl in nested_list if list_condition(sl) \
            for item in sl if item_condition(item))
for item in gen:
    # do something...
12. 循環嵌套
##不推薦
for x in x_list:
    for y in y_list:
        for z in z_list:
            # do something for x & y  

##推薦
from itertools import product
for x, y, z in product(x_list, y_list, z_list):
    # do something for x, y, z
13. 盡量使用生成器代替列表
##不推薦
def my_range(n):
    i = 0
    result = []
    while i < n:
        result.append(fn(i))
        i += 1
    return result  #  返回列表

##推薦
def my_range(n):
    i = 0
    result = []
    while i < n:
        yield fn(i)  #  使用生成器代替列表
        i += 1
*盡量用生成器代替列表，除非必須用到列表特有的函數。
14. 中間結果盡量使用imap/ifilter代替map/filter
##不推薦
reduce(rf, filter(ff, map(mf, a_list)))

##推薦
from itertools import ifilter, imap
reduce(rf, ifilter(ff, imap(mf, a_list)))
*lazy evaluation 會帶來更高的內存使用效率，特別是當處理大數據操作的時候。
15. 使用any/all函數
##不推薦
found = False
for item in a_list:
    if condition(item):
        found = True
        break
if found:
    # do something if found...  

##推薦
if any(condition(item) for item in a_list):
    # do something if found...
16. 屬性(property)
=

##不推薦
class Clock(object):
    def __init__(self):
        self.__hour = 1
    def setHour(self, hour):
        if 25 > hour > 0: self.__hour = hour
        else: raise BadHourException
    def getHour(self):
        return self.__hour

##推薦
class Clock(object):
    def __init__(self):
        self.__hour = 1
    def __setHour(self, hour):
        if 25 > hour > 0: self.__hour = hour
        else: raise BadHourException
    def __getHour(self):
        return self.__hour
    hour = property(__getHour, __setHour)
17. 使用 with 處理文件打開
##不推薦
f = open("some_file.txt")
try:
    data = f.read()
    # 其他文件操作..
finally:
    f.close()

##推薦
with open("some_file.txt") as f:
    data = f.read()
    # 其他文件操作...
18. 使用 with 忽視異常(僅限Python 3)
##不推薦
try:
    os.remove("somefile.txt")
except OSError:
    pass

##推薦
from contextlib import ignored  # Python 3 only

with ignored(OSError):
    os.remove("somefile.txt")
19. 使用 with 處理加鎖
##不推薦
import threading
lock = threading.Lock()

lock.acquire()
try:
    # 互斥操作...
finally:
    lock.release()

##推薦
import threading
lock = threading.Lock()

with lock:
    # 互斥操作...

來源：微信

專注于為中小企業提供網站制作、網站設計服務,電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業宿豫免費做網站提供優質的服務。我們立足成都，凝聚了一批互聯網行業人才，有力地推動了超過千家企業的穩健成長，幫助中小企業通過網站建設實現規模擴充和轉變。

本文名稱：Python代碼編寫中的性能優化點
當前鏈接：http://www.kartarina.com/article12/gojodc.html

成都網站建設公司_創新互聯，為您提供建站公司、網站營銷、網站收錄、全網營銷推廣、靜態網站、小程序開發

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯