Om n\u00e5gon fr\u00e5gar dig, “Vilket \u00e4r det snabbast v\u00e4xande programmeringsspr\u00e5ket i v\u00e4rlden just nu?” Svaret kommer att vara enkelt. Din python. Den globala populariteten beror p\u00e5 dess enkla syntax och rika bibliotek. Idag kan du g\u00f6ra n\u00e4stan vad som helst med Python: datavetenskap, maskininl\u00e4rning, signalbehandling, datavisualisering, you name it. M\u00e5nga h\u00e4vdar dock att Python \u00e4r lite l\u00e5ngsam med att l\u00f6sa allvarliga problem. Men exekveringstiden f\u00f6r ett program beror p\u00e5 koden som skrivs. Med n\u00e5gra tips och tricks kan du snabba upp din Python-kod och f\u00f6rb\u00e4ttra programmets prestanda.<\/p>\n
Om du letar efter s\u00e4tt att snabba upp din pythonkod, \u00e4r artikeln f\u00f6r dig. Illustrerar tekniker och strategier f\u00f6r att minska exekveringstiden f\u00f6r ett program. Tipsen kommer inte bara att p\u00e5skynda koden utan ocks\u00e5 f\u00f6rb\u00e4ttra pythonf\u00e4rdigheter.<\/p>\n
Python har massor av biblioteksfunktioner och moduler. De \u00e4r skrivna av expertutvecklare och har testats flera g\u00e5nger. D\u00e4rf\u00f6r \u00e4r dessa funktioner mycket effektiva och hj\u00e4lper till att p\u00e5skynda koden; Det finns ingen anledning att skriva koden om funktionen redan finns tillg\u00e4nglig i biblioteket. L\u00e5t oss ge ett enkelt exempel i detta avseende.<\/p>\n
#code1\r\nnewlist = []\r\nfor word in oldlist:\r\n newlist.append(word.upper())<\/pre>\n#code2\r\nnewlist = map(str.upper, oldlist)<\/pre>\nH\u00e4r \u00e4r den andra koden snabbare \u00e4n den f\u00f6rsta eftersom biblioteksfunktionen map() har anv\u00e4nts. Dessa funktioner \u00e4r anv\u00e4ndbara f\u00f6r nyb\u00f6rjare. Vem vill inte skriva snabbare, renare, mindre kod? Anv\u00e4nd d\u00e4rf\u00f6r biblioteksfunktioner och moduler s\u00e5 mycket som m\u00f6jligt.<\/p>\n
<\/span>02. R\u00e4tt datastruktur p\u00e5 r\u00e4tt plats<\/strong><\/span><\/h3>\n
Att anv\u00e4nda r\u00e4tt datastruktur kommer att minska exekveringstiden. Innan du b\u00f6rjar b\u00f6r du t\u00e4nka p\u00e5 vilken datastruktur som kommer att anv\u00e4ndas i koden. En perfekt datastruktur kommer att p\u00e5skynda din python-kod medan andra kommer att f\u00f6rst\u00f6ra den. Du b\u00f6r ha en uppfattning om tidskomplexiteten hos olika datastrukturer.<\/p>\n
Python har inbyggda datastrukturer som listor, tupler, upps\u00e4ttningar och ordb\u00f6cker. Folk \u00e4r vana vid att anv\u00e4nda listor. Men det finns vissa fall d\u00e4r tupel eller ordbok fungerar mycket b\u00e4ttre \u00e4n listor. F\u00f6r att l\u00e4ra dig mer datastrukturer och algoritmer b\u00f6r du h\u00e4nvisa till Python-inl\u00e4rningsb\u00f6cker.<\/p>\n
<\/span>03. Tr<\/strong>och f\u00f6r att minimera anv\u00e4ndningen av for Loop<\/strong><\/span><\/h3>\n
Det \u00e4r ganska sv\u00e5rt att undvika att anv\u00e4nda for loop. Men varje g\u00e5ng du har en chans att f\u00f6rhindra det, s\u00e4ger experter att du g\u00f6r det. F\u00f6r loop \u00e4r dynamisk i python. Dess utf\u00f6randetid \u00e4r mer \u00e4n en stundsslinga. Den kapslade f\u00f6r-slingan tar mycket mer tid. Tv\u00e5 kapslade f\u00f6r loopar tar kvadraten av tiden i en singel f\u00f6r loop.<\/p>\n
#code1\r\nfor i in big_it:\r\n m = re.search(r'\\d{2}-\\d{2}-\\d{4}', i)\r\n if m:\r\n ...<\/pre>\n#code2\r\ndate_regex = re.compile(r'\\d{2}-\\d{2}-\\d{4}')\r\n\r\nfor i in big_it:\r\n m = date_regex.search(i)\r\n if m:\r\n ...<\/pre>\nDet \u00e4r b\u00e4ttre att anv\u00e4nda en l\u00e4mplig ers\u00e4ttning i detta fall. Dessutom, om f\u00f6r loopar \u00e4r oundvikliga, flytta ber\u00e4kningen utanf\u00f6r loopen. Det kommer att spara mycket tid. Vi kan se det i f\u00f6reg\u00e5ende exempel. H\u00e4r \u00e4r den andra koden snabbare \u00e4n den f\u00f6rsta, eftersom ber\u00e4kningen har gjorts utanf\u00f6r loopen.<\/p>\n
<\/span>04. Undvik globala variabler<\/strong><\/span><\/h3>\n