Python 性能优化

最近将之前用 Python 写的一个工具进行了性能优化，把一些心得写下来。

原则

• 单元测试 在进行性能优化的过程中，我充分体会到了进行单元测试的重要性。如果没有那些测试用例，那么对代码进行修改后，就很难保证整个代码的语义 没有发生变化，所以，切记：多写测试用例。

• 不要过早优化 在项目进行的初期，不必过于关注性能优化问题。原因在于，如果早期进行性能优化，那么可能会降低可读性，并且可能我们认为可以起到作用 的优化措施，根本不是性能瓶颈。事实往往是只有一小部分代码，占用了大部分时间。所以我们早期可以关注代码的可读性，可扩展性，等问题。 后期如果真的需要进行性能优化，再寻找性能瓶颈，然后集中力量对瓶颈处进行优化。

当然，不要过早优化，并不是说一点也不需要关心性能问题。早期设计时，我们就应该思考，对同一块数据，哪些操作使用的比较多，选用哪 种数据结构比较合适。

技巧

• 使用新的解释器 官方提供的解释器是 CPython，而在换用 PyPy 后，同样的代码几乎可以透明地提升数倍的性能。

• set 与 list 仔细思考需要使用 set 还是 list，如果有大量的 x in foo 这样的操作，应该选用 set 而不是 list

• cProfile 官方的库中提供了 cProfile，帮助我们分析每个函数消耗的时间，便于我们找到性能瓶颈。