今天總結3個提升Python/ target=_blank class=infotextkey>Python運行速度的方法，只從代碼本身考慮，提升運行速度并不會從編寫C 擴展的代碼、基于JIT的編譯器技術考慮。
關于代碼執行效率的第一個方法是減少頻繁的方法訪問，尤其是在多層循環內層、且循環次數較多的操作，差距尤為明顯。
# 真是模塊內全局變量
import math
def compute_sqrt(nums):
result = []
for n in nums: # 假如nums長度很大
# 1. math.sqrt 會被頻繁訪問
# 2. result.Append 也會被頻繁訪問
result.append(math.sqrt(n))
return result
看到在for循環里面，涉及2個頻繁的訪問：
- math.sqrt 會被頻繁訪問
- result.append 也會被頻繁訪問
因此第一步做如下更改：直接導入sqrt，而不是導入整個模塊后再去引用sqrt
# 直接導入sqrt，而不是導入整個模塊后再去引用sqrt
from math import sqrt
def compute_sqrt(nums):
result = []
for n in nums: # 假如nums長度很大
# 1. math.sqrt 會被頻繁訪問
# 2. result.append 也會被頻繁訪問
result.append(sqrt(n))
return result
然后再修改result.append，不用頻繁訪問append，使用標簽apd指向它就行了：
# 直接導入sqrt，而不是導入整個模塊后再去引用sqrt
from math import sqrt
def compute_sqrt(nums):
result = []
apd = result.append
for n in nums: # 假如nums長度很大
# 1. math.sqrt 會被頻繁訪問
# 2. result.append 也會被頻繁訪問
apd(sqrt(n))
return result
第二個方法：查找局部變量的效率是最高的！！！對于頻繁訪問的變量應盡可能是局部變量，消除不必要的全局變量訪問。所以對于上面代碼，sqrt還是模塊級別的全局變量，所以修改為：
def compute_sqrt(nums):
# 調整sqrt為局部變量
from math import sqrt
result = []
apd = result.append
for n in nums: # 假如nums長度很大
# 1. math.sqrt 會被頻繁訪問
# 2. result.append 也會被頻繁訪問
apd(sqrt(n))
return result
第三個方法：不要做一些不必要的屬性包裝。比如@property必要時再用，能不用時就別用。如下對于屬性y做@property裝飾沒有任何意義！只有在y有特定取值，比如只能取大于0的非負實數時再用此裝飾才有意義。
class A:
def __init__(self, x, y):
self.x = x
self.y = y
@property
def y(self):
return self._y
@y.setter
def y(self, value):
self._y = value
因此修改為下面這樣，刪去多余的@property包裝
class A:
def __init__(self, x, y):
self.x = x
self.y = y
