介绍今天，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：time.time()func(*args,**kwargs)elapsedTime=time.time()-startTimeprint('function-{},took{}mstocomplete'.format(func.__name__,int(elapsedTime*1000)))returnnewfuncavoidinlist重新计算循环内的代码：@timeitdefappend_inside_loop(limit):nums=[]fornuminlimit:nums.append(num)append_inside_loop(list(range(1,9999999)))在上面的function.append每次通过循环函数引用重新计算。执行后，上面函数总耗时：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-function-append_outside_loop,take328mstocomplete如您所见，当我们在for循环外追加一个局部变量时，这花费的时间少得多，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:da??ta[num]=data.get(num,0)+1inside_evaluation(list(range(1,9999999)))上述函数花费的总时间：o/p-function-inside_evaluation，用了1400毫秒来完成循环外的代码：@timeitdefoutside_evaluation(limit):data={}get=data.getfornuminlimit:da??ta[num]=get(num,0)+1outside_evaluation(list(range(1,9999999)))上述函数耗时总计：o/p-function-outside_evaluation，耗时1189ms完成如你所见，我们这里的代码是211ms快点。
