目錄一、總結二、全面加速（pypy)二、減少文件的打開即with的調用三、if判斷靠前一、總結

1、使用pypy2、減少函數化調用3、減少文件的打開即with的調用，將這一調用放在for循環前面，然后傳遞至后面需要用到的地方4、if函數判斷條件多的盡量在前面全面加速（pypy)

二、全面加速（pypy)

將python換為pypy,在純python代碼下，pypy的兼容性就不影響使用了，因為一些純python的代碼常常會用pypy進行一下加速

測試代碼，for循環10000000次

start = time.time()for i in range(10000000): print(i,end='r')end = time.time()print(f'耗費時間{end-start}秒>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>')

pypy的耗時為：

而python耗時為

大致三倍，但是循環越多估計越快，據說有6倍左右

二、減少文件的打開即with的調用

原代碼的with在調用函數內，即每次調用函數都要打開并關閉文件，造成大量耗時

def BMES(word,tag): with open(r'J:PyCharm項目學習進行中NLP教程NLP教程數據集詞性標注nature2ner.txt','a+',encoding='utf-8')as f_:if len(word) == 1: '''單字''' 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')#后續在多個if-elif-else中調用

耗時為

tqdm預估時間在15~25個小時左右跳動

將with放在循環前面

如

將with的內容作為f_傳遞進來

后的耗時為：

測試如下：

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'耗費時間{end-start}秒>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>')

耗時結果為：

將文件的打開即with的調用放在外面

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'耗費時間{end-start}秒>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>')

耗時為

結論：快了119倍，而實際加速遠遠大于這個倍數

三、if判斷靠前

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')

滿足條件的可以先跳出判斷

到此這篇關于python運行加速的幾種方式的文章就介紹到這了,更多相關python運行加速的幾種方式內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！