这篇教程python运行加速的几种方式写得很实用，希望能帮到您。
一、总结1、使用pypy
2、减少函数化调用
3、减少文件的打开即with的调用，将这一调用放在for循环前面，然后传递至后面需要用到的地方
4、if函数判断条件多的尽量在前面
全面加速（pypy)
二、全面加速（pypy)将python换为pypy,在纯python代码下，pypy的兼容性就不影响使用了，因为一些纯python的代码常常会用pypy进行一下加速 测试代码，for循环10000000次 start = time.time()for i in range(10000000): print(i,end="/r")end = time.time()print(f"耗费时间{end-start}秒>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>")pypy的耗时为：
而python耗时为
大致三倍，但是循环越多估计越快，据说有6倍左右
二、减少文件的打开即with的调用原代码的with在调用函数内，即每次调用函数都要打开并关闭文件，造成大量耗时 def BMES(word,tag): with open(r"J:/PyCharm项目/学习进行中/NLP教程/NLP教程/数据集/词性标注/nature2ner.txt","a+",encoding="utf-8")as f_: if len(word) == 1: """单字""" f_.write(word + " " + f"S-{tag.upper()}" + "/n") else: """多字""" for index, word_ in enumerate(word): if index == 0: f_.write(word_ + " " + f"B-{tag.upper()}" + "/n") elif 0 < index < len(word) - 1: f_.write(word_ + " " + f"M-{tag.upper()}" + "/n") else: f_.write(word_ + " " + f"E-{tag.upper()}" + "/n")#后续在多个if-elif-else中调用耗时为
tqdm预估时间在15~25个小时左右跳动 将with放在循环前面
如
将with的内容作为f_传递进来 
后的耗时为：
测试如下： import os, warnings,time,tqdmdef txt(word): with open("ceshi.txt","a+",encoding="utf-8")as f: if len(str(word))<=2: word+=100 f.write(str(word)+"/n") elif 2<len(str(word))<=4: word+=200 f.write(str(word)+"/n") else: f.write(str(word) + "/n")if __name__=="__main__": start = time.time() for i in tqdm.tqdm(range(100000)): txt(i) end = time.time() print(f"耗费时间{end-start}秒>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>")耗时结果为：
将文件的打开即with的调用放在外面 import os, warnings,time,tqdmdef txt(f,word): if len(str(word))<=2: word+=100 f.write(str(word)+"/n") elif 2<len(str(word))<=4: word+=200 f.write(str(word)+"/n") else: f.write(str(word) + "/n")if __name__=="__main__": start = time.time() with open("ceshi.txt", "a+", encoding="utf-8")as f: for i in tqdm.tqdm(range(100000)): txt(f,i) end = time.time() print(f"耗费时间{end-start}秒>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>")耗时为
结论：快了119倍，而实际加速远远大于这个倍数
三、if判断靠前如： if tag in ["nts", "nto", "ntc", "ntcb", "ntcf", "ntch", "nth", "ntu", "nt"]: BMES(f_,i2, tag="ORG") elif tag in ["nb", "nba", "nbc", "nbp", "nf", "nm", "nmc", "nhm", "nh"]: BMES(f_,i2, tag="OBJ") elif tag in ["nnd", "nnt", "nn"]: BMES(f_,i2, tag="JOB") elif tag in ["nr", "nrf"]: BMES(f_,i2, tag="PER") elif tag in ["t"]: BMES(f_,i2, tag="TIME") elif tag in ["ns", "nsf"]: BMES(f_,i2, tag="LOC") else: for i3 in list(i2): f_.write(i3 + " " + f"O" + "/n") 满足条件的可以先跳出判断 到此这篇关于python运行加速的几种方式的文章就介绍到这了,更多相关python运行加速的几种方式内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python中collections.Counter()的具体使用
Python实现飞机大战项目 |
