Python循环优化技巧

python开发中，循环代码很常见且不可避免，如何提高循环代码的质量，对我们开发有很大的帮助。
编写循环时，遵守下面三个原则可以大大提高运行效率，避免不必要的低效计算：

1.尽量使用局部变量代替全局变量。局部变量查询较快，便于维护，有利于提高性能并节省内存。

2.尽量减少循环内部不必要的计算

3…嵌套循环中，尽量减少内层循环的计算，尽可能把计算向外提

下面我们用代码测试下减少内部循环计算，能够提升多少性能
示例代码：

# -*- coding: utf-8 -*-
import datetime

start_time = datetime.datetime.now()
for i in range(10000):
    result_list = []
    for j in range(10000):
        result_list.append(i * 100 + j * 100)
end_time = datetime.datetime.now()
print u'计算耗时：{0}'.format((end_time - start_time).microseconds)
1
2
3
4
5
6
7
8
9
10

实际运行耗时97500微秒：
优化之前运行程序耗时

接下来我们稍微改一下代码，减少内部循环计算

# -*- coding: utf-8 -*-
import datetime

start_time = datetime.datetime.now()
for i in range(10000):
    result_list = []
    out_num = i * 100 # 放到第一个循环中计算
    for j in range(10000):
        result_list.append(out_num + j * 100)
end_time = datetime.datetime.now()
print u'计算耗时：{0}'.format((end_time - start_time).microseconds)
1
2
3
4
5
6
7
8
9
10
11

注意这两部分代码的区别，我们只是将第二个循环内的计算放到了第二个新欢外边，我们再来看下此时的耗时732000微秒：
优化后耗时
可以看到，性能提高大约25%左右，这只是用10000计算的，实际业务场景数据可能远远大于这个。

巧妙使用yield

关于yield定义我们就不在赘述了，直接上代码

# -*- coding: utf-8 -*-
# 使用yield
import datetime
start_time = datetime.datetime.now()
def get_list_element():
    for i in range(1000000):
        temp = ['111111'] * 2000
        yield temp
j = get_list_element()
for ele in j:
    continue
end_time = datetime.datetime.now()
print u'计算耗时：{0}'.format((end_time - start_time).microseconds)
1
2
3
4
5
6
7
8
9
10
11
12
13

# -*- coding: utf-8 -*-
# 不使用yield
import datetime

start_time = datetime.datetime.now()
test_list = []
for i in range(1000000):
    temp = ['111111'] * 2000
    test_list.append(temp)
for ele in test_list:
    continue
end_time = datetime.datetime.now()
print u'计算耗时：{0}'.format((end_time - start_time).microseconds)

1
2
3
4
5
6
7
8
9
10
11
12
13
14

实际运行结果：

使用yield

不使用yield

从测试结果中可以看出，在使用yield情况下，内存占用始终在30%左右，程序运行前后几乎不变，而且计算完后后耗时大约143000微秒。而不使用yield情况就不一样了。可以看到，程序运行的瞬间，内存直接拉满（电脑都卡的不要不要的），而且耗时也远远超于使用yield的情况。

可以看到，巧妙的使用yield能节省巨大的时间、空间开销。