今天总结三个提升Python运行速度的方法，只从代码本身考虑，提升运行速度并不会从编写C 扩展的代码、基于JIT的编译器技术考虑。

关于代码执行效率的第一个方法是减少频繁的方法访问，尤其是在多层循环内层、且循环次数较多的操作，差距尤为明显。

# 真是模块内全局变量 
import math 
 
def compute_sqrt(nums): 
    result = [] 
    for n in nums: # 假如nums长度很大 
    # 1. math.sqrt 会被频繁访问 
    # 2. result.append 也会被频繁访问 
        result.append(math.sqrt(n)) 
    return result 

看到在for循环里面，涉及2个频繁的访问：
math.sqrt 会被频繁访问
result.append 也会被频繁访问
因此第一步做如下更改：直接导入sqrt，而不是导入整个模块后再去引用sqrt

# 直接导入sqrt，而不是导入整个模块后再去引用sqrt 
from math import sqrt 
 
def compute_sqrt(nums): 
    result = [] 
    for n in nums: # 假如nums长度很大 
    # 1. math.sqrt 会被频繁访问 
    # 2. result.append 也会被频繁访问 
        result.append(sqrt(n)) 
    return result 

然后再修改result.append，不用频繁访问append，使用标签apd指向它就行了：

# 直接导入sqrt，而不是导入整个模块后再去引用sqrt 
from math import sqrt 
     
def compute_sqrt(nums): 
    result = [] 
    apd = result.append 
    for n in nums: # 假如nums长度很大 
    # 1. math.sqrt 会被频繁访问 
    # 2. result.append 也会被频繁访问 
        apd(sqrt(n)) 
    return result 

第二个方法：查找局部变量的效率是最高的!!!对于频繁访问的变量应尽可能是局部变量，消除不必要的全局变量访问。所以对于上面代码，sqrt还是模块级别的全局变量，所以修改为：

def compute_sqrt(nums): 
    # 调整sqrt为局部变量 
    from math import sqrt 
    result = [] 
    apd = result.append 
    for n in nums: # 假如nums长度很大 
    # 1. math.sqrt 会被频繁访问 
    # 2. result.append 也会被频繁访问 
        apd(sqrt(n)) 
    return result 

第三个方法：不要做一些不必要的属性包装。比如@property必要时再用，能不用时就别用。如下对于属性y做@property装饰没有任何意义!只有在y有特定取值，比如只能取大于0的非负实数时再用此装饰才有意义。

class A: 
    def __init__(self, x, y): 
        self.x = x 
        self.y = y 
    @property 
    def y(self): 
        return self._y 
    @y.setter  
    def y(self, value): 
        self._y = value 

因此修改为下面这样，删去多余的@property包装

class A: 
    def __init__(self, x, y): 
        self.x = x 
        self.y = y 

以上就是Python代码提速的3条基本但却容易被忽略的有价值方法，希望对你有用。

原文来自：

本文地址：//gulass.cn/python-running-speed-up.html编辑：J+1，审核员：逄增宝

Linux大全：

Linux系统大全：

红帽认证RHCE考试心得：