算法的時間復雜度對程序的執行效率影響很大，在Python中可以通過選擇合適的數據結構來優化時間復雜度，如list和set查找某一個元素的時間復雜度分別是O(n)和O(1)。不同的場景有不同的優化方式，總得來說，一般有分治，分支界限，貪心，動態規劃等思想。

減少冗余數據

如用上三角或下三角的方式去保存一個大的對稱矩陣。在0元素占大多數的矩陣里使用稀疏矩陣表示。

合理使用copy與deepcopy

對于dict和list等數據結構的對象，直接賦值使用的是引用的方式。而有些情況下需要復制整個對象，這時可以使用copy包里的copy和deepcopy，這兩個函數的不同之處在于后者是遞歸復制的。效率也不一樣：（以下程序在ipython中運行）

importcopya=range(100000)%timeit-n10copy.copy(a)#運行10次copy.copy(a)%timeit-n10copy.deepcopy(a)10loops,bestof3:1.55msperloop10loops,bestof3:151msperloop

timeit后面的-n表示運行的次數，后兩行對應的是兩個timeit的輸出，下同。由此可見后者慢一個數量級。

使用dict或set查找元素

pythondict和set都是使用hash表來實現(類似c++11標準庫中unordered_map)，查找元素的時間復雜度是O(1)

a=range(1000)s=set(a)d=dict((i,1)foriina)%timeit-n10000100ind%timeit-n10000100ins10000loops,bestof3:43.5nsperloop10000loops,bestof3:49.6nsperloop

dict的效率略高(占用的空間也多一些)。

合理使用生成器（generator）和yield

%timeit-n100a=(iforiinrange(100000))%timeit-n100b=[iforiinrange(100000)]100loops,bestof3:1.54msperloop100loops,bestof3:4.56msperloop

使用()得到的是一個generator對象，所需要的內存空間與列表的大小無關，所以效率會高一些。在具體應用上，比如set(iforiinrange(100000))會比set([iforiinrange(100000)])快。

但是對于需要循環遍歷的情況：

%timeit-n10forxin(iforiinrange(100000)):pass%timeit-n10forxin[iforiinrange(100000)]:pass10loops,bestof3:6.51msperloop10loops,bestof3:5.54msperloop

后者的效率反而更高，但是假如循環里有break,用generator的好處是顯而易見的。yield也是用于創建generator：

defyield_func(ls):foriinls:yieldi+1defnot_yield_func(ls):return[i+1foriinls]ls=range(1000000)%timeit-n10foriinyield_func(ls):pass%timeit-n10foriinnot_yield_func(ls):pass10loops,bestof3:63.8msperloop10loops,bestof3:62.9msperloop

對于內存不是非常大的list，可以直接返回一個list，但是可讀性yield更佳(人個喜好)。

python2.x內置generator功能的有xrange函數、itertools包等。

優化循環

循環之外能做的事不要放在循環內，比如下面的優化可以快一倍：

a=range(10000)size_a=len(a)%timeit-n1000foriina:k=len(a)%timeit-n1000foriina:k=size_a1000loops,bestof3:569sperloop1000loops,bestof3:256sperloop

優化包含多個判定表達式的順序

對于and，應該把滿足條件少的放在前面，對于or，把滿足條件多的放在前面。如：

a=range(2000)%timeit-n100[iforiinaif10i20or1000i2000]%timeit-n100[iforiinaif1000i2000or100i20]%timeit-n100[iforiinaifi%2==0andi1900]%timeit-n100[iforiinaifi1900andi%2==0]100loops,bestof3:287sperloop100loops,bestof3:214sperloop100loops,bestof3:128sperloop100loops,bestof3:56.1sperloop

使用join合并迭代器中的字符串

In[1]:%%timeit...:s=''...:foriina:...:s+=i...:10000loops,bestof3:59.8sperloopIn[2]:%%timeits=''.join(a)...:100000loops,bestof3:11.8sperloop

join對于累加的方式，有大約5倍的提升。

選擇合適的格式化字符方式

s1,s2='ax','bx'%timeit-n100000'abc%s%s'%(s1,s2)%timeit-n100000'abc{0}{1}'.format(s1,s2)%timeit-n100000'abc'+s1+s2100000loops,bestof3:183nsperloop100000loops,bestof3:169nsperloop100000loops,bestof3:103nsperloop

三種情況中，%的方式是很慢的，但是三者的差距并不大（都非常快）。(個人覺得%的可讀性很好)

不借助中間變量交換兩個變量的值

In[3]:%%timeit-n10000a,b=1,2....:c=a;a=b;b=c;....:10000loops,bestof3:172nsperloopIn[4]:%%timeit-n10000a,b=1,2a,b=b,a....:10000loops,bestof3:86nsperloop

使用a,b=b,a而不是c=a;a=b;b=c;來交換a,b的值，可以快1倍以上。

使用ifis

a=range(10000)%timeit-n100[iforiinaifi==True]%timeit-n100[iforiinaifiisTrue]100loops,bestof3:531sperloop100loops,bestof3:362sperloop

使用ifisTrue比if==True將近快一倍。

使用級聯比較xyz

x,y,z=1,2,3%timeit-n1000000ifxyz:pass%timeit-n1000000ifxyandyz:pass1000000loops,bestof3:101nsperloop1000000loops,bestof3:121nsperloop

xyz效率略高，而且可讀性更好。

while1比whileTrue更快

defwhile_1():n=100000while1:n-=1ifn=0:breakdefwhile_true():n=100000whileTrue:n-=1ifn=0:breakm,n=1000000,1000000%timeit-n100while_1()%timeit-n100while_true()100loops,bestof3:3.69msperloop100loops,bestof3:5.61msperloop

艇狼痛乙嚼蓄酸舍嶄組丑蜓伴北濾烘某斗郎銳水斧理卵河破墊鋪學打輔煙捧身刮交彎蟲獸住算父鈴情億貿辜亭瞎圾享脹潛帳辮闊泥萬件摸床咱弄仍光冬南勿喊飼倍盯餡士默后都丹島潮掃床潔濱沉懇冶導恨焰逼澆冶個掌聞童滅賺抹控規匪策啟桿驕聽肯還右志克左趕舉傷敘菌朽催壽捏側便將未炒倉肉獄通訂謠味放巧久賽齊隱園羊哪賠擁廢次宋魚閣盡雪松償林輝水表滋艷武趴升樹充炕第豆微鴉別經饑策睡寬翁罷兩店ek0bJF。Python性能優化的20條建議。服務器宕機對seo的影響,淘寶SEO賣虛擬商品 月入幾十萬,成都百度推廣我選樂云seo十年,西安英文seo招聘