Python에서 성능 최적화를 수행하는 방법

Python 비평가들은 Python이 비효율적이고 느리다고 주장하지만 사실은 아닙니다. Python 애플리케이션 속도를 높이려면 다음 6가지 팁을 시도해 보세요.

Python은 아주 적은 Python 코드로도 짧은 시간에 많은 일을 할 수 있고, Python은 멀티태스킹과 멀티프로세싱을 쉽게 지원하기 때문에 매우 멋진 언어입니다.

py

1. 중요한 코드는 확장 패키지에 의존할 수 있습니다.

Python은 많은 프로그래밍 작업을 단순하게 해주지만 매우 중요한 작업에 항상 최고의 성능을 제공하는 것은 아닙니다. C, C++ 또는 기계어 확장 패키지를 사용하여 중요한 작업을 수행하면 성능이 크게 향상될 수 있습니다. 이러한 패키지는 플랫폼에 따라 다릅니다. 즉, 사용 중인 플랫폼에 맞는 패키지를 사용해야 합니다. 간단히 말해서, 이 솔루션은 기본 호스트에 직접 프로그래밍해야만 얻을 수 있는 성능에 대한 대가로 일부 애플리케이션 이식성을 제공합니다. 개인 확장 라이브러리에 추가하는 것을 고려할 수 있는 다음 확장 패키지는 다음과 같습니다. Cython

PyInlne

PyPy
Pyrex

이 패키지에는 다양한 기능과 실행 방법이 있습니다. 예를 들어, Pyrex를 사용하면 Python에서 일부 메모리 작업을 쉽고 효율적으로 처리할 수 있습니다. PyInline을 사용하면 Python 애플리케이션에서 C 코드를 직접 사용할 수 있습니다. 비록 인라인 코드가 별도로 컴파일되지만 C 코드를 효율적으로 사용할 수 있다면 사용할 수 있습니다. 동시에 모든 것을 한 곳에서 처리할 수 있습니다.

2. 키워드 정렬 사용

실행 시 사용자 정의 정렬

함수

를 만드는 데 추가 시간을 소비하는 고대 Python 코드가 많이 있습니다. 정렬하는 가장 좋은 방법은 키워드와 기본 sort() 메서드를 사용하는 것입니다. 다음 예를 살펴보세요.

import operator
somelist = [(1, 5, 8), (6, 2, 4), (9, 7, 5)]
somelist.sort(key=operator.itemgetter(0))
somelist
#Output = [(1, 5, 8), (6, 2, 4), (9, 7, 5)]
somelist.sort(key=operator.itemgetter(1))
somelist
#Output = [(6, 2, 4), (1, 5, 8), (9, 7, 5)]
somelist.sort(key=operator.itemgetter(2))
somelist
#Output = [(6, 2, 4), (9, 7, 5), (1, 5, 8)],

각 사례의 목록은 키워드 인수로 선택한 인덱스에 따라 정렬됩니다. 이렇게 하면

문자 문자열

및 숫자 정렬에도 동일하게 적용됩니다.

3. 루프 최적화

모든

프로그래밍 언어

는 루프 문의 최적화를 강조하며 Python도 마찬가지입니다. 루프를 더 빠르게 실행하기 위해 다양한 기술을 사용할 수 있지만 개발자가 종종 간과하는 한 가지 방법은 루프 내부에 점선 문자열을 사용하지 않는 것입니다. 다음 예의 경우:

lowerlist = ['this', 'is', 'lowercase']
upper = str.upper
upperlist = []
append = upperlist.append
for word in lowerlist:
    append(upper(word))
    print(upperlist)
    #Output = ['THIS', 'IS', 'LOWERCASE']

str.upper가 호출될 때마다 Python은 이 메서드의 값을 찾습니다. 하지만 평가 결과를

변수

에 넣으면 프로그램의 성능을 향상시킬 수 있습니다. 핵심은 Python 내에서 실행되는 루프 수를 줄이는 것입니다. Python은 이러한 인스턴스를 구문 분석하는 속도가 느리기 때문입니다.

4. 새 버전 사용

온라인에서 Python 정보를 검색하면 누구나 Python 버전 마이그레이션에 대한 수많은 정보를 찾을 수 있습니다. 일반적으로 Python의 각 버전은 Python이 더 빠르게 실행되도록 이전 버전에서 최적화되고 개선되었습니다. 제한 요소는 여러분이 선호하는 라이브러리가 새 버전의 Python에 맞게 개선되었는지 여부입니다.

새로운 함수 라이브러리를 사용하고 Python의 새 버전을 얻는 경우 코드가 계속 실행되는지 확인하고 애플리케이션을 확인하고 차이점을 수정해야 합니다.

그런 다음 애플리케이션이 새 버전에서 실행될 수 있는지 확인하면 새로운 기능의 업데이트를 놓칠 수 있습니다. 개선하고, 새 버전에서 애플리케이션을 구성하고, 문제 영역을 확인하고, 새로운 기능으로 업데이트 우선 순위를 지정하면 사용자는 이전 업그레이드에 비해 훨씬 더 향상된 성능을 경험할 수 있습니다.

5. 다양한 프로그래밍 방법을 시도해 보세요

애플리케이션을 만들 때마다 동일한 프로그래밍 방법을 사용하면 프로그램이 예상보다 느리게 실행됩니다. 분석 중에 몇 가지 작은 실험을 수행하십시오. 예를 들어, 사전에서 데이터 항목을 관리할 때 데이터 항목이 이미 존재하여 업데이트해야 하는지 안전한 방법을 사용하거나, 항목을 직접 추가한 후 해당 항목이 존재하지 않는 경우를 처리할 수 있습니다. 모두.

n = 16
myDict = {}
for i in range(0, n):
    char = 'abcd'[i%4]
    if char not in myDict:
        myDict[char] = 0
        myDict[char] += 1
        print(myDict)

위 코드는 일반적으로 myDict가 비어 있을 때 더 빠르게 실행됩니다. 하지만 myDict가 이미 데이터로 채워져 있는 경우 더 나은 선택 방법이 있습니다.

n = 16
myDict = {}
for i in range(0, n):
    char = 'abcd'[i%4]
    try:
        myDict[char] += 1
    except KeyError:
        myDict[char] = 1
    print(myDict)

두 경우 모두 {'d': 4, 'c': 4, 'b': 4, 'a': 4}를 출력합니다. , 유일한 차이점은 출력을 얻는 방법입니다. 고정관념에서 벗어나 새로운 프로그래밍 기술을 개발하면 프로그램 실행 속도가 빨라질 수 있습니다.

6. 크로스 컴파일러

개발자는 때때로 컴퓨터가 현재 응용 프로그램 언어를 인식하지 못하고 기계어 코드만 인식한다는 사실을 잊어버립니다. 프로그램을 실행하려면 사람이 읽을 수 있는 코드를 컴퓨터가 이해할 수 있는 코드로 변환하는 애플리케이션이 필요합니다. Python과 같은 한 언어로 프로그램을 작성한 다음 C++와 같은 다른 언어로 실행하는 것은 성능 측면에서 의미가 있습니다. 이는 애플리케이션으로 수행하려는 작업과 호스트 시스템이 제공할 수 있는 리소스에 따라 다릅니다.

흥미로운 크로스 컴파일러인 Nuitka는 Python을 C++ 코드로 변환할 수 있으며 그 결과 인터프리터에 의존하는 대신 기본 모드에서 애플리케이션을 실행할 수 있습니다. 플랫폼과 작업에 따라 성능이 크게 향상될 수 있습니다.

위 내용은 Python에서 성능 최적화를 수행하는 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!