提升Python程序运行效率的方法
代码优化技巧
1.字符串连接缓慢，不要在循环中执行，而是使用Python的join方法。
2.尽量不使用全局变量
3.尽量使用内建的字符串，元组，列表，集合，字典等容器
4.循环之外能做的事不要放在循环内。嵌套循环中，尽量减少内层循环的计算，尽可能向外提
5.对于and，应该把满足条件少的放在前面，对于or，把满足条件多的放在前面
6.使用 if is True 比 if == True 将近快一倍
7.并行编程：
因为GIL的存在，Python很难充分利用多核CPU的优势。但是可以通过内置的模块multiprocessing实现下面几种并行模式：
多进程：对于CPU密集型的程序，可以使用multiprocessing的Process，Pool等封装好的类，通过多进程的方式实现并行计算。但是因为进程中的通信成本比较大，对于进程之间需要大量数据交互的程序效率未必有大的提高。
多线程：对于IO密集型的程序，multiprocessing.dummy模块使 multiprocessing的接口封装threading，使得多线程编程也变得非常轻松 (比如可以使用Pool的map接口，简洁高效 )。
分布式：multiprocessing中的Managers类提供了可以在不同进程之共享数据的方式，可以在此基础上开发出分布式的程序。
8.在循环的时候使用 xrange 而不是 range；使用 xrange 可以节省大量的系统内存，因为 xrange() 在序列中每次调用只产生一个整数元素。而 range() 將直接返回完整的元素列表，用于循环时会有不必要的开销。python3 中取消了 range 函数，而把 xrange 函数重命名为 range，所以现在直接用 range 函数即可
9.if done is not None 比语句 if done != None 更快
10.使用级联比较 "x < y < z" 而不是 "x < y and y < z"
定位程序性能瓶颈
对代码优化的前提是需要了解性能瓶颈在什么地方，程序运行的主要时间是消耗在哪里，对于比较复杂的代码可以借助一些工具来定位，python 内置了丰富的性能分析工具，如 profile,cProfile 与 hotshot 等。其中 Profiler 是 python 自带的一组程序，能够描述程序运行时候的性能，并提供各种统计帮助用户定位程序的性能瓶颈。Python 标准模块提供三种 profilers:cProfile,profile 以及 hotshot。
profile 的使用非常简单，只需要在使用之前进行 import 即可。具体实例如下：
import profile
def profileTest():
Total =1;
for i in range(10):
Total=Total*(i+1)
print Total
return Total
if __name__ == "__main__":
profile.run("profileTest()")
性能分析结果
其中输出每列的具体解释如下：
- ncalls：表示函数调用的次数；
- tottime：表示指定函数的总的运行时间，除掉函数中调用子函数的运行时间；
- percall：（第一个 percall）等于 tottime/ncalls；
- cumtime：表示该函数及其所有子函数的调用运行的时间，即函数开始调用到返回的时间；
- percall：（第二个 percall）即函数运行一次的平均时间，等于 cumtime/ncalls；
- filename:lineno(function)：每个函数调用的具体信息；
如果需要将输出以日志的形式保存，只需要在调用的时候加入另外一个参数。如 profile.run("profileTest()","testprof")。
对于 profile 的剖析数据，如果以二进制文件的时候保存结果的时候，可以通过 pstats 模块进行文本报表分析，它支持多种形式的报表输出，是文本界面下一个较为实用的工具。使用非常简单：
import pstats
p = pstats.Stats('testprof')
p.sort_stats("name").print_stats()
其中 sort_stats() 方法能够对剖分数据进行排序， 可以接受多个排序字段，如 sort_stats('name', 'file') 将首先按照函数名称进行排序，然后再按照文件名进行排序。常见的排序字段有 calls( 被调用的次数 )，time（函数内部运行时间），cumulative（运行的总时间）等。此外 pstats 也提供了命令行交互工具，执行 python – m pstats 后可以通过 help 了解更多使用方式。
对于大型应用程序，如果能够将性能分析的结果以图形的方式呈现，将会非常实用和直观，常见的可视化工具有 Gprof2Dot，visualpytune，KCacheGrind 等，读者可以自行查阅相关官网，本文不做详细讨论。
参考：
https://www.ibm.com/developerworks/cn/linux/l-cn-python-optim/
