“人生苦短，我用Python”，说的就是Python开发“快”的优势，相同的代码量能够完成其他语言数倍代码量 的任务。一般情况下，像C++、C、JAVA 、GO这类编译型语言要比PHP、Python、JavaScript这类解释性语言要快一些，但是各有各的优势。
Python以其开发方便、语言生态健全，乘着人工智能之风很快成为了一门明星语言。使用Python提升开发效率的同时，代码的运行效率却没那么高。下面将介绍几种简单的方法，尝试提升代码的可读性、执行效率。
image
一、优化编程惯例
1）用生成式生成列表：
假设我们正在编写爬虫，现在需要将解析到的信息生成列表。
不优雅的方法：
image
得到：[‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’]
用生成式更加优雅的完成：
image
输出：[‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’]
2)使用enumerate进行迭代：
enumerate方法用于将一个可遍历的数据对象组合为一个索引序列，同时输出数据和数据下标，一般用于for循环之中，演示如下：
不优雅的方法：
image
输出：
image
优雅的方法，使用enumerate函数：
image
3)用join方法生成字符串：
join()函数能够将序列中的元素按照给定的字符链接生成一个新的字符串。
不好的代码：
image
输出：我-在-知-了-课-堂-学-Python-
使用join方法：
image
输出：我-在-知-了-课-堂-学-Python
4)不适用临时变量交换两个值：
image
5)使用：
image
二、使用Cython模块提升代码执行速度
Python有着良好的扩展性与接口功能，人工智能大多数库都是C++或者C写来由Python调用。大公司会使用Python来提升开发效率，用C来弥补性能缺口。在Python官方文档中，也给出了Python的C API接口的文档，但是下面也标注了“给 C/C++ 程序员的参考手册”，绝非等闲之辈能轻易掌握！好消息是，有Cython模块，官方是这样介绍的（翻译）：
[Cython]是一种编程语言，它使编写Python语言的C扩展与Python本身一样容易。它旨在成为[Python]语言的超集，从而为它提供高级，面向对象，功能和动态编程。
Cython是Python编译器。这意味着它可以编译普通的Python代码而无需进行更改（除了一些尚不支持的语言功能的明显例外），接下来使用Cython提升Python执行速度。
image
1）安装：
使用cython最简单的方法是执行
image
也可以从https://cython.org/下载最新版本 。解压缩tarball或zip文件，输入目录，然后运行：
image
另外需要安装gcc，linux下一般自带。
2）Hello， Cython：
使用官方推荐的方法（使用setuptools）构建我们的代码，
创建hello.pyx文件（你没看错，不是.py而是.pyx）并键入：
image
创建对应的setup.py脚本：
image
cmd到当前目录，执行：
image
image
gcc与g++都安装但是，报错，缺乏 Microsoft visual C++ 14.0,遂下载安装：
image
4GB！太大了，用linux试试！
在centos环境下，重复上述步骤：
image
成功，并且生成了一个hello.cpython-36m-x86_64-linux-gnu.so文件, 在Windows下会生成.pyd文件。
使用：
image
image
hon VS Python ：
斐波那契数列，通俗易懂，使用Python容易实现，也考验计算能力。我们分别用Python和cython来计算斐波那契第38项的值，同一台机器，看谁算的快！
使用Python：
创建fib1.py并键入：
image
成绩：11.73秒
image
使用Cython：
创建一个fib2.pyx并键入：
image
创建相应的setup.py：
image
执行：
image
建立测试文件test.py：
image
成绩，2.20秒
image
awesome！快了5倍多，实际上随着项的增大，成绩还会有所提升。
使用cython不仅能够大幅提升代码的运行速度，还能够起到加密核心代码的作用，即便是被对手入侵了服务器，也不必担心核心代码泄露。
三、使用科学计算库
知名的科学计算库如numpy、pandas等底层都使用C++、C完成，这在一定程度上保证了执行速度，另一方面也能帮助我们提升可读性。
我们分别用numpy和传统的**方法来计算一个数组的乘方，
image
很给力，快了数倍：
image
相信，不断的优化我们的编程习惯，像写诗一样写代码，养成良好科学的计算习惯，一定能够写出pythonic代码！
更多干货内容，欢迎关注公众号：知了python
网友评论