今天總結三個提升Python執行速度的方法，只從程式碼本身考慮，提升執行速度並不會從編寫C 擴充套件的程式碼、基於JIT的編譯器技術考慮。

關於程式碼執行效率的第一個方法是減少頻繁的方法訪問，尤其是在多層迴圈內層、且迴圈次數較多的操作，差距尤為明顯。

# 真是模組內全域性變數 
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迴圈裡面，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：直接匯入sqrt，而不是匯入整個模組後再去引用sqrt

# 直接匯入sqrt，而不是匯入整個模組後再去引用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 

然後再修改result.append，不用頻繁訪問append，使用標籤apd指向它就行了：

# 直接匯入sqrt，而不是匯入整個模組後再去引用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：查詢區域性變數的效率是最高的!!!對於頻繁訪問的變數應儘可能是區域性變數，消除不必要的全域性變數訪問。所以對於上面程式碼，sqrt還是模組級別的全域性變數，所以修改為：

def compute_sqrt(nums): 
    # 調整sqrt為區域性變數 
    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。如下對於屬性y做@property裝飾沒有任何意義!只有在y有特定取值，比如只能取大於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，刪去多餘的@property包裝

class A: 
    def __init__(self, x, y): 
        self.x = x 
        self.y = y 

以上就是Python程式碼提速的3條基本但卻容易被忽略的有價值方法，希望對你有用。

本文地址：https://www.linuxprobe.com/python-running-speed-up.html