Phenquestions
Om någon frågar dig - ”Vad är det snabbast växande programmeringsspråket i världen just nu?”Svaret blir enkelt. Dess python. Den globala populariteten beror på dess enkla syntax och rika bibliotek. Nuförtiden kan du nästan göra vad som helst med python: Datavetenskap, maskininlärning, signalbehandling, datavisualisering - du heter det. Men många hävdar att python är lite långsam när de löser allvarliga problem. Men tiden för att köra ett program beror på koden man skriver. Med några tips och tricks kan man påskynda Python-koden och förbättra programmets prestanda.
Tips och tricks för att påskynda Python-koden
Om du letar efter sätt att påskynda din pythonkod är artikeln för dig. Det illustrerar teknikerna och strategierna för att minska genomförandetiden för ett program. Tipsen kommer inte bara att påskynda koden utan de kommer också att förbättra python-färdigheter.
01. Använd inbyggda bibliotek och funktioner
Python har massor av biblioteksfunktioner och moduler. De är skrivna av expertutvecklare och har testats flera gånger. Så, dessa funktioner är mycket effektiva och hjälper till att påskynda koden - inget behov av att skriva koden om funktionen redan finns i biblioteket. Vi tar ett enkelt exempel i detta avseende.
# code1 newlist = [] för ord i oldlist: newlist.bifoga (ord.övre())
# code2 newlist = karta (str.övre, gammal lista)
Här är den andra koden snabbare än den första eftersom biblioteksfunktionskartan () har använts. Dessa funktioner är praktiska för nybörjare. Vem vill inte ha snabbare och ren och mindre kod att skriva? Använd därför biblioteksfunktioner och moduler så mycket som möjligt.
02. Rätt datastruktur på rätt plats
Att använda korrekt datastruktur minskar körtiden. Innan du börjar måste du tänka på datastrukturen som kommer att användas i koden. En perfekt datastruktur kommer att påskynda pythonkoden medan andra kommer att förstöra den. Du måste ha en uppfattning om tidskomplexiteten hos olika datastrukturer.
Python har inbyggda datastrukturer som lista, tupel, set och ordlista. Människor är vana vid att använda listor. Men det finns vissa fall där tupel eller ordlista fungerar mycket bättre än listor. För att lära dig mer datastrukturer och algoritmer måste du gå igenom Pythons inlärningsböcker.
03. Try för att minimera användningen av för Slinga
Det är ganska svårt att undvika att använda för slinga. Men när du får en chans att förhindra det säger experterna att du gör det. För loop är dynamiskt i python. Dess körtid är mer än ett tag. Kapslad för loop är mycket mer tidskrävande. Två kapslade för loopar tar tidens kvadrat i en singel för loop.
# code1 för i i big_it: m = re.sök (r '\ d 2 - \ d 2 - \ d 4', i) om m:…
# code2 date_regex = re.kompilera (r '\ d 2 - \ d 2 - \ d 4') för i i big_it: m = date_regex.sök (i) om m:…
Det är bättre att använda en lämplig ersättare i detta fall. Dessutom, om för slingor är oundvikliga, flytta beräkningen utanför slingan. Det kommer att spara mycket tid. Vi kan se det i exemplet ovan. Här är den andra koden snabbare än den första koden eftersom beräkningen har gjorts utanför slingan.
04. Undvik globala variabler
Globala variabler används i python i många fall. Globalt nyckelord används för att deklarera det. Men dessa variablers körtid är mer än den för den lokala variabeln. Att använda färre av dem sparar från onödig minnesanvändning. Dessutom skopar Python upp en lokal variabel snabbare än en global. När du navigerar i externa variabler är Python verkligen trög.
Flera andra programmeringsspråk motsätter sig oplanerad användning av globala variabler. Räknaren beror på biverkningar som leder till högre körtid. Så försök att använda en lokal variabel istället för en global när det är möjligt. Dessutom kan du göra en lokal kopia innan du använder den i en slinga, vilket sparar tid.
05. Öka användningen av listförståelse
Listförståelse erbjuder en kortare syntax. Det är en handfull när en ny lista skapas baserat på en befintlig lista. Loop är ett måste i vilken kod som helst. Ibland blir syntaxen i slingan stor. I så fall kan man använda listförståelse. Vi kan ta exemplet för att förstå det mer exakt.
# code1 kvadratnummer = [] för n inom intervallet (0,20): om n% 2 == 1: kvadratnummer.lägg till (n ** 2)
# code2 kvadratnummer = [n ** 2 för n inom intervallet (1,20) om n% 2 == 1]
Här tar den andra koden mindre tid än den första koden. Tillvägagångssättet för listförståelse är kortare och mer exakt. Det kan inte göra stor skillnad i små koder. Men i en omfattande utveckling kan det spara lite tid. Så använd listförståelse när du har chansen att påskynda din Python-kod.
06. Ersätt intervall () med xrange ()
Frågan om intervall () och xrange () kommer om du använder python 2. Dessa funktioner används för att iterera vad som helst i loop. När det gäller intervall () sparas alla siffror i intervallet i minnet. Men xrange () sparar bara det antal siffror som behöver visas.
Returtypen för intervall () är en lista och den för xrange () är ett objekt. Så småningom tar xrange () mindre minne och därmed mindre tid. Så använd xrange () istället för range () när det är möjligt. Naturligtvis gäller detta endast för användare av python 2.
07. Använd generatorer
I python är en generator en funktion som returnerar en iterator när nyckelordets avkastning anropas. Generatorer är utmärkt minne optimering. De returnerar ett objekt åt gången istället för att returnera allt åt gången. Om din lista innehåller ett stort antal data och du måste använda en data i taget, använd generatorer.
Generatorer beräknar data i bitar. Därför kan funktionen returnera resultatet när det anropas och behålla sitt tillstånd. Generatorer bevarar funktionstillståndet genom att stoppa koden efter att den som ringer genererar värdet, och den fortsätter att köra från den plats där den slutas på begäran.
Eftersom generatorer får åtkomst till och beräknar on-demand-värdet behöver en betydande del av data inte sparas helt i minnet. Det resulterar i betydande minnesbesparingar, vilket i slutändan påskyndar koden.
08. Sammankoppla strängar med gå med
Sammankoppling är ganska vanligt när man arbetar med strängar. Generellt, i python, sammanfogar vi med hjälp av '+'. I varje steg skapar emellertid "+" en ny sträng och kopierar det gamla materialet. Denna process är ineffektiv och tar mycket tid. Vi måste använda join () för att sammanfoga strängar här om vi vill påskynda vår Python-kod.
# code1 x = "Jag" + "är" + "en" + "python" + "nörd" utskrift (x)
# code2 x = "".gå med (["I", "am", "a", "python", "geek"]) tryck (x)
Om vi tittar på exemplet skrivs den första koden ut "Iamapythongeek" och den andra koden "Jag är en python-nörd". Join () -operationen är effektivare och snabbare än '+'. Det håller också koden ren. Vem vill inte ha en snabbare och renare kod? Så försök använda join () istället för '+' för att sammanfoga strängar.
09. Profil din kod
Profilering är ett klassiskt sätt att optimera koden. Det finns många moduler för att mäta programmets statistik. Dessa får oss att veta var programmet spenderar för mycket tid och vad vi ska göra för att optimera det. Så för att säkerställa optimering, genomföra några tester och förbättra programmet för att förbättra effektiviteten.
Timern är en av profilerna. Du kan använda den var som helst i koden och hitta körtiden för varje steg. Då kan vi förbättra programmet där det tar för lång tid. Dessutom finns det en inbyggd profileringsmodul som heter LineProfiler. Det ger också en beskrivande rapport om den tid som konsumeras. Det finns flera profiler som du kan lära dig genom att läsa pythonböcker.
10. Håll dig uppdaterad - Använd den senaste versionen av Python
Det finns tusentals utvecklare som regelbundet lägger till fler funktioner i python. Modulerna och biblioteksfunktionerna som vi använder idag kommer att vara föråldrade av utvecklingen imorgon. Python-utvecklare gör språket snabbare och mer tillförlitligt dag för dag. Varje ny version har ökat sin prestanda.
Så vi måste uppdatera biblioteken till deras senaste version. Python 3.9 är den senaste versionen nu. Många bibliotek av python 2 kanske inte körs på python3. Låt oss komma ihåg det och alltid använda den senaste versionen för att få maximal prestanda.
Slutligen Insikter
Värdet för Python-utvecklare i världen ökar dag för dag. Så vad väntar du på! Det är hög tid att du börjar lära dig att påskynda pythonkoden. De tips och tricks vi tillhandahåller hjälper dig säkert att skriva effektiva koder. Om du följer dem kan vi hoppas att du kan förbättra din kod och gå in i mer avancerade python-grejer.
Vi har försökt visa alla viktiga knep och tips som krävs för att påskynda koden. Vi hoppas att artikeln har svarat på de flesta av dina frågor. Nu är resten över dig. Men det finns inget slut på kunskap och inget slut på lärande. Så om vi har missat något större, låt oss veta. Lyckligt lärande!
