Python 코드 최적화 팁

코드 최적화 1부

최근에 본 코드 최적화 팁을 공유해 주세요.

if 판단의 단락 특성

and의 경우 가장 적은 조건을 만족하는 것을 앞에 두도록 하여 다수의 판단을 했을 때 최소한의 조건을 만족하면 바로 다음 표현식으로 이어집니다. 시간을 절약하기 위해 계산되지 않습니다(False와 True는 여전히 False이므로)

import timeit

s1 = """
a = range(2000)
[i for i in a if i % 2 ==0 and i > 1900]
"""

s2 = """
a = range(2000)
[i for i in a if  i > 1900 and i % 2 ==0]
"""

print timeit.timeit(stmt=s1, number=1000)
print timeit.timeit(stmt=s2, number=1000)

실행 결과는 다음과 같습니다.

➜  python test6.py
0.248532056808
0.195827960968

# 可以看到s2 表达式计算更快， 因为大部分情况都不满足 i>1900, 所以这些情况下, i % 2 == 0 也没有计算，从而节约了时间

or도 마찬가지로 조건을 가장 많이 만족하는 것을 먼저 올려주세요.

import timeit

s1 = """
a = range(2000)
[i for i in a if 10 < i <20 or 1000 < i < 2000]
"""

s2 = """
a = range(2000)
[i for i in a if 1000 < i < 2000 or 10 < i <20]
"""

print timeit.timeit(stmt=s1, number=1000)
print timeit.timeit(stmt=s2, number=1000)

결과 실행:

0.253124952316
0.202992200851

병합 문자열 조인

+를 반복하여 병합하는 것보다 빠르게 병합 문자열을 조인하세요.

import timeit

s1 = """
a = [str(x) for x in range(2000)]
s = ''
for i in a:
    s += i
"""

s2 = """
a = [str(x) for x in range(2000)]
s = ''.join(a)
"""

print timeit.timeit(stmt=s1, number=1000)
print timeit.timeit(stmt=s2, number=1000)

실행 결과는 다음과 같습니다.

python test6.py

0.558945894241
0.422435998917

while 1 및 while True

python2.x에서는 True와 False가 예약어가 아니지만, 전역 변수, 이는

>>> True = 0
>>> True
0
>>> if not True:
...   print '1'
...
1

따라서 다음 두 상황:

import timeit

s1 = """
n = 1000000
while 1:
    n -= 1
    if n <= 0: break
"""

s2 = """
n = 1000000
while True:
    n -= 1
    if n <= 0: break
"""

print timeit.timeit(stmt=s1, number=100)
print timeit.timeit(stmt=s2, number=100)

실행 결과는 다음과 같습니다.

➜  python test6.py
5.18007302284
6.84624099731

왜냐하면 True라고 판단할 때마다 먼저 True의 값을 찾아야 하기 때문입니다.

python3.x에서는 True가 키워드 매개변수가 되므로 위의 두 상황은 동일합니다.

cProfile, cStringIO 및 cPickle

C 버전을 사용하여 작성된 확장 프로그램은 기본 버전보다 빠릅니다. cPickle 대 pickle은 다음과 같습니다.

import timeit

s1 = """
import cPickle
import pickle
n = range(10000)
cPickle.dumps(n)
"""

s2 = """
import cPickle
import pickle
n = range(10000)
pickle.dumps(n)
"""

print timeit.timeit(stmt=s1, number=100)
print timeit.timeit(stmt=s2, number=100)

실행 결과는 다음과 같습니다.

➜ python test6.py
0.182178974152
1.70917797089

제너레이터의 합리적인 사용

차이점

()를 사용하면 생성자 객체에 필요한 메모리 공간은 리스트의 크기와 관계가 없으므로 효율성이 더 높아집니다.

import timeit

s1 = """
[i for i in range (100000)]
"""

s2 = """
(i for i in range(100000))
"""

print timeit.timeit(stmt=s1, number=1000)
print timeit.timeit(stmt=s2, number=1000)

결과:

➜  python test6.py
5.44327497482
0.923446893692

그러나 루프 순회가 필요한 상황에서는 다음과 같이 반복자를 사용하는 것이 효율적이지 않습니다.

import timeit

s1 = """
ls = range(1000000)
def yield_func(ls):
    for i in ls:
        yield i+1
for x in yield_func(ls):
    pass
"""

s2 = """
ls = range(1000000)
def not_yield_func(ls):
    return [i+1 for i in ls]
for x in not_yield_func(ls):
    pass
"""

print timeit.timeit(stmt=s1, number=10)
print timeit.timeit(stmt=s2, number=10)

결과는 다음과 같습니다.

➜  python test6.py
1.03186702728
1.01472687721

따라서 생성기를 사용하는 것은 메모리와 속도를 종합적으로 고려하는 트레이드오프입니다.

xrange

在python2.x里xrange 是纯C实现的生成器，相对于range来说，它不会一次性计算出所有值在内存中。但它的限制是只能和整型一起工作：你不能使用long或者float。

import 语句的开销

import语句有时候为了限制它们的作用范围或者节省初始化时间，被卸载函数内部，虽然python的解释器不会重复import同一个模块不会出错，但重复导入会影响部分性能。有时候为了实现懒加载（即使用的时候再加载一个开销很大的模块），可以这么做：

email = None

def parse_email():
    global email
    if email is None:
        import email
    ...

# 这样一来email模块仅会被引入一次，在parse_email()被第一次调用的时候。