今天，我们将讨论Python中的优化技术。在本文中，您将学习如何通过避免列表和字典中的重新计算来加速您的代码。我们先写一个装饰器函数来计算函数的执行时间，方便测试不同代码的速度：):startTime=time.time()func(*args,**kwargs)elapsedTime=time.time()-startTimeprint('function-{},用了{}ms完成'.format(func.__name__,int(elapsedTime*1000)))返回newfunc以避免重新计算列表中循环内的代码：@timeitdefappend_inside_loop(limit):nums=[]fornuminlimit:nums.append(num)append_inside_loop(list(range(1,9999999)))in在上面的函数中，.append每次循环都会重新计算函数引用。执行完后，上面函数总共花费的时间：o/p-function-append_inside_loop,take529mstocomplete循环外代码：@timeitdefappend_outside_loop(limit):nums=[]append=nums.appendfornuminlimit:append(num)append_outside_loop(list(range(1,9999999)))在上面的函数中，我们在循环外评估nums.append并在循环内使用append作为变量。总时间：o/p-函数-append_outside_loop，完成耗时328毫秒如您所见，当我们在for循环外附加一个局部变量时，这花费的时间要少得多，使代码加速了201毫秒。避免在字典中重新求值循环内的代码：@timeitdefinside_evaluation(limit):data={}fornuminlimit:data[num]=data.get(num,0)+1inside_evaluation(list(range(1,9999999)))上述函数花费的总时间：o/p-函数-inside_evaluation，花费1400毫秒完成循环外代码：@timeitdefoutside_evaluation(limit):data={}get=data.getfornuminlimit:data[num]=get(num,0)+1outside_evaluation(list(range(1,9999999)))以上函数花费的总时间：o/p-函数-outside_evaluation，花费1189毫秒完成你问看，我们这里的代码快了211毫秒。英文原文：https://dev.to/sharmapacific/...本文仅供学习，版权归原作者所有。如有侵权，请联系删除。学习Python的路上肯定会遇到困难，不要慌张，我这里有一套学习资料，包括40+电子书，800+教学视频，涉及Python基础、爬虫、框架、数据分析、机学习等等，别怕你学不会！https://shimo.im/docs/JWCghr8...《Python学习资料》关注公众号【蟒圈】，每日优质文章推送。
