python循环优化
python中经常使用到for循环，需要消耗大量时间，本文将介绍一些简单的方法进行提速。
列表推导式
使用列表推导式，加快运行速度
1
2
3
4
5
6
|
def Calculate_raw(list_numbers):
list_results = []
for n in list_numbers:
list_results.append(n**3)
return list_results
|
1
2
3
4
|
def Calculate_optimization(list_numbers):
list_results = [n**3 for n in list_numbers]
|
减少内部计算
在循环之外计算好列表的长度
1
2
3
4
5
6
7
|
def Calculate_raw(list_number):
list_results = []
for n in range(len(list_number)):
list_results.append(n ** 3)
return list_results
|
1
2
3
4
5
6
7
8
|
def Calculate_optimization(list_number):
list_results = []
len_number = len(list_number)
for n in range(len_number):
list_results.append(n ** 3)
return list_results
|
map函数
map函数是用C语言编写，并且经过了优化
1
2
3
4
5
6
7
8
9
10
|
def Func(x):
return x ** 3
def Calculate_raw(list_number):
list_results = []
for n in range(len(list_number)):
list_results.append(Func(n))
return list_results
|
1
2
3
4
5
6
7
8
|
def Func(x):
return x ** 3
def Calculate_optimization(list_number):
list_results = map(Func, list_number)
return list_results
|
向量化
将数据向量化
1
2
3
4
5
6
7
8
9
|
import numpy as np
def Calculate_raw(n):
results = 0
for i in range(n):
results = results + i
return results
|
1
2
3
4
5
6
7
|
import numpy as np
def Calculate_optimization(n):
results = np.sum(np.arange(n))
return results
|
join连接字符串
join连接字符串快于使用+号
1
2
3
4
5
6
7
|
def Calculate_raw(list_strs):
results = ""
for i_str in range(n):
results = results + i_str
return results
|
1
2
3
4
5
6
|
def Calculate_optimization(list_strs):
results = "".join(list_strs)
return results
|
