python - Python 中的优化——该做的、不该做的和经验法则

Question

嗯，我正在读这个post然后我遇到了一个代码:

jokes=range(1000000)
domain=[(0,(len(jokes)*2)-i-1) for i in range(0,len(jokes)*2)]

我认为在列表理解之外计算 len(jokes) 的值不是更好吗？

好吧，我试过了，并计时了三个代码

jv@Pioneer:~$ python -m timeit -s 'jokes=range(1000000);domain=[(0,(len(jokes)*2)-i-1) for i in range(0,len(jokes)*2)]'
10000000 loops, best of 3: 0.0352 usec per loop
jv@Pioneer:~$ python -m timeit -s 'jokes=range(1000000);l=len(jokes);domain=[(0,(l*2)-i-1) for i in range(0,l*2)]'
10000000 loops, best of 3: 0.0343 usec per loop
jv@Pioneer:~$ python -m timeit -s 'jokes=range(1000000);l=len(jokes)*2;domain=[(0,l-i-1) for i in range(0,l)]'
10000000 loops, best of 3: 0.0333 usec per loop

观察到第一个和第二个之间 2.55% 的边际差异让我想到 - 是第一个列表理解

domain=[(0,(len(jokes)*2)-i-1) for i in range(0,len(jokes)*2)]

由 python 内部优化？还是 2.55% 是一个足够大的优化(假定 len(jokes)=1000000)？

如果这是 - Python 中的其他隐式/内部优化是什么？

开发人员在 Python 中优化的经验法则是什么？

Edit1:由于大多数答案都是“不要优化，如果速度慢，稍后再做”，我从 Triptych 和 那里得到了一些提示和链接>Ali A 代表做的事情。我将稍微更改一下问题并请求不要。

我们能否从面临“缓慢”的人那里得到一些经验，问题是什么以及如何纠正？

Edit2:对于那些还没有到这里的人，这是一个interesting read

Edit3: 有问题的 timeit 用法不正确，请参阅 dF 的 答案以了解正确用法以及三个代码的计时。

Answer 1

您没有使用 timeit正确:-s (setup) 的参数是最初要执行一次的语句，因此您实际上只是在测试一个空语句。你想做

$ python -m timeit -s "jokes=range(1000000)" "domain=[(0,(len(jokes)*2)-i-1) for i in range(0, len(jokes)*2)]"
10 loops, best of 3: 1.08 sec per loop
$ python -m timeit -s "jokes=range(1000000)" "l=len(jokes);domain=[(0,(l*2)-i-1) for i in range(0, l*2)]"
10 loops, best of 3: 908 msec per loop
$ python -m timeit -s "jokes=range(1000000)" "l=len(jokes*2);domain=[(0,l-i-1) for i in range(0, l)]"
10 loops, best of 3: 813 msec per loop

虽然加速仍然不显着，但更为显着(分别为 16% 和 25%)。因此，由于它不会使代码变得更复杂，因此这种简单的优化可能是值得的。

要解决实际问题...Python 中通常的经验法则是

1. 在编码时，优先使用简单易读的代码而不是优化。

2. 分析您的代码(profile / cProfile and pstats 是您的 friend )以找出您需要优化的内容(通常是紧循环之类的东西)。

3. 作为最后的手段，将这些重新实现为 C 扩展，使用 pyrex 等工具可以更轻松地实现这些和 cython .

需要注意的一件事:与许多其他语言相比，函数调用在 Python 中相对昂贵，这就是为什么即使 len 为 O(1)，您的示例中的优化也有所不同列表。