共计 781 个字符，预计需要花费 2 分钟才能阅读完成。
| 导读 | 与其他编程语言相比，Python 最大的特点就是能够让你在短时间内用极少的代码，实现大量的操作，比如：Java 编写一个程序需要百行代码，而 Python 只需要十几行就能搞定。本篇文章为大家介绍一下提高 Python 运行效率的 5 个技巧，一起来学习一下吧。 |
多进程并行编程
对于 CPU 密集型的程序，可以使用 multiProcessing 的 Process，Pool 等封装好的类，通过多进程的方式实现并行计算。但是因为进程中的通信成本比较大，对于进程之间需要大量数据交互的程序效率未必有大的提高。
多线程并行编程
对于 IO 密集型的程序，multiprocessing.dummy 模块使用 multiprocessing 的接口封装 threading，使得多线程编程也变得非常轻松。
优化算法时间
算法的时间复杂度对程序的执行效率影响最大，在 Python 中可以通过选择合适的数据结构来优化时间复杂度，如 list 和 set 查找某一个元素的时间复杂度分别是 O(n) 和 O(1)。不同的场景有不同的优化方式，总得来说，一般有分治，分支界限，贪心，动态规划等思想。
针对循环的优化
每种编程语言都会强调需要优化循环。当使用 Python 的时候，你可以依靠大量的技巧使得循环运行得更快。然而，开发者经常漏掉的一个方法是：避免在一个循环中使用点操作。优化循环的关键，是要减少 Python 在循环内部执行的工作量，因为 Python 原生的解释器在那种情况下，真的会减缓执行的速度。
函数选择
在循环的时候使用 xrange 而不是 range; 使用 xrange 可以节省大量的系统内存，因为 xrange() 在序列中每次调用只产生一个整数元素。而 range() 将直接返回完整的元素列表，用于循环时会有不必要的开销。
正文完
星哥玩云-微信公众号
