文章最後有免費的Python資料，獲取方式，關注頭條號，私信回覆資料獲取下載鏈接。資料目錄在文章底部，歡迎評論轉發收藏下載。
有人跟我抱怨說python太慢了，然後我就將python健步如飛的六大技巧傳授給他，結果讓他驚呆了，你也想知道這個秘訣嗎?這就告訴你：
python編程健步如飛！" alt="掌握六大技巧，讓python編程健步如飛！" style="box-sizing: border-box; padding-top: 0.6rem; padding-bottom: 1.5rem; list-style: none; border-width: 0px; border-style: initial; border-color: initial; outline: none; vertical-align: middle;" class="" data-ratio="0.714" data-w="1000" data-type="jpeg">
Python是一門優秀的語言，它能讓你在短時間內通過極少量代碼就能完成許多操作。不僅如此，它還輕鬆支持多任務處理，比如多進程。
因為GIL的存在，Python很難充分利用多核CPU的優勢。但是，可以通過內置的模塊multiprocessing實現下面幾種並行模式：
多進程並行編程
對於CPU密集型的程序，可以使用multiprocessing的Process,Pool等封裝好的類，通過多進程的方式實現並行計算。但是因為進程中的通信成本比較大，對於進程之間需要大量數據交互的程序效率未必有大的提高。
多線程並行編程
對於IO密集型的程序，multiprocessing.dummy模塊使用multiprocessing的接口封裝threading，使得多線程編程也變得非常輕鬆(比如可以使用Pool的map接口，簡潔高效)。分佈式：multiprocessing中的Managers類提供了可以在不同進程之共享數據的方式，可以在此基礎上開發出分佈式的程序。 不同的業務場景可以選擇其中的一種或幾種的組合實現程序性能的優化。
優化算法時間
法的時間複雜度對程序的執行效率影響最大，在Python中可以通過選擇合適的數據結構來優化時間複雜度，如list和set查找某一個元素的時間複雜度分別是O(n)和O(1)。不同的場景有不同的優化方式，總得來說，一般有分治，分支界限，貪心，動態規劃等思想。
例如：set的用法
set的union，intersection，difference操作要比list的迭代要快。因此如果涉及到求list交集，並集或者差的問題可以轉換為set來操作。
針對循環的優化
每種編程語言都會強調需要優化循環。當使用Python的時候，你可以依靠大量的技巧使得循環運行得更快。然而，開發者經常漏掉的一個方法是：避免在一個循環中使用點操作。例如，考慮下面的代碼：
每一次你調用方法str.upper，Python都會求該方法的值。然而，如果你用一個變量代替求得的值，值就變成了已知的，Python就可以更快地執行任務。優化循環的關鍵，是要減少Python在循環內部執行的工作量，因為Python原生的解釋器在那種情況下，真的會減緩執行的速度。
lowerlist = ['this', 'is', 'lowercase']
upper = str.upper
upperlist = []
append = upperlist.append
for word in lowerlist:
append(upper(word))
print(upperlist)
#Output = ['THIS', 'IS', 'LOWERCASE']
函數選擇
在循環的時候使用xrange而不是range;使用xrange可以節省大量的系統內存，因為xrange()在序列中每次調用只產生一個整數元素。而range()將直接返回完整的元素列表，用於循環時會有不必要的開銷。在python3中xrange不再存在，裡面range提供一個可以遍歷任意長度的範圍的iterator。
使用性能分析工具
除了上面在ipython使用到的timeit模塊，還有cProfile。cProfile的使用方式也非常簡單：python–m cProfile filename.py，filename.py是要運行程序的文件名，可以在標準輸出中看到每一個函數被調用的次數和運行的時間，從而找到程序的性能瓶頸，然後可以有針對性地優化。
下邊有Python的基礎學習資料，可以免費領取。
閱讀更多 新啟創意 的文章
