Python 语言的优点可以列举出许多，语法简单易懂、模块丰富、应用广泛等等。但是世界上没有有完美的东西，python 一个明显缺点就是运行速度慢，至少跟 C 语言没法比。

所以，不安于现状的 Pythoner 就开发了许多工具。其中，最著名的莫过于 Cython 和 Numba。其中 Cython 可以把 Python 代码转成 C 代码执行，而 Numba 则是 Python 中的一个 JIT 编译器(即时编译器)，以此提高运行效率。

不过我们今天不讲这些复杂的工具，看看能不能只通过改进你的 Python 代码以提高速度。

函数

函数可以提高代码的可读性，那么用了函数对程序的执行效率是否有影响呢?我们来做个对比实验。

先来看一个不用函数的版本：

import mathimport time 
start = time.time()    # 开始计时lst = []    # 定义一个空列表for i in range(1, 10000000):    lst.append(math.sqrt(i))    # 疯狂地往列表里添加计算结果end = time.time()    # 停止计时print(end-start)

此代码在我的电脑上输出为 2.124(不同配置的电脑结果不一样，可多次运行取平均值)。再来加上函数试一下：

import mathimport time 
def func():    lst = []   # 定义一个空列表    for i in range(1, 10000000):        lst.append(math.sqrt(i))   # 疯狂地往列表里添加计算结果    return lst   # 返回结果 
start = time.time()   # 开始计时lst = func()   end = time.time()   # 停止计时print(end-start)

在我的电脑上，使用了函数的程序用了大概花了 1.743 秒。多次尝试，基本上都会比上一个版本节省 15~20% 左右时间，这个差距还是存在的。

有人可能会觉得，增加了函数调用，效率可能会低。但实际上，我们这里只是增加了一次调用，影响甚微。而由于 Python 中局部变量和全局变量的实现方式不同，使用局部变量效率会高些。

所以使用函数不仅提高可读性，用得好还能让代码运行得更快。

去掉属性访问

再来看另一个例子，还是刚才的函数版本，我们做一点修改，改变其中导入函数的方式，由 math.sqrt 改为 sqrt：

from math import sqrt   # 直接引用特定函数或属性import time 
def func():    lst = []    for i in range(1, 10000000):        lst.append(sqrt(i))    # 直接调用 sqrt    return lst 
start = time.time()lst = func()end = time.time()print(end-start)

在其它代码均没有变动的情况下，这个程序的输出时间变成了……

1.413 秒!

居然更快了。这又是为什么呢?

因为在进行属性访问的时候啊，会调用这个对象的 getattribute 或者 getattr 方法，造成了额外的开销，所以导致速度变慢。

列表推导式

最后再来看看列表推导式(List Comprehension)，它的效率和普通 for 循环会有不一样吗?

继续在上一个版本上修改：

from math import sqrtimport time 
def func():    # for 循环改为列表推导式    lst = [sqrt(i) for i in range(1, 10000000)]    return lst 
start = time.time()lst = func()end = time.time()print(end-start)

结果是 0.968 秒!

这又是为什么呢?因为列表推导式内的迭代是 C 实现的，所以效率更高。

同最初的版本相比，实现同样的效果，我们仅通过调整代码的写法，速度就提高了一倍还多。