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

1、使用pypy2、減少函數(shù)化調(diào)用3、減少文件的打開即with的調(diào)用，將這一調(diào)用放在for循環(huán)前面，然后傳遞至后面需要用到的地方4、if函數(shù)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(huán)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(huán)越多估計越快，據(jù)說有6倍左右

二、減少文件的打開即with的調(diào)用

原代碼的with在調(diào)用函數(shù)內(nèi)，即每次調(diào)用函數(shù)都要打開并關(guān)閉文件，造成大量耗時

def BMES(word,tag): with open(r'J:PyCharm項目學(xué)習(xí)進行中NLP教程NLP教程數(shù)據(jù)集詞性標(biāo)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(xù)在多個if-elif-else中調(diào)用

耗時為

tqdm預(yù)估時間在15~25個小時左右跳動

將with放在循環(huán)前面

如

將with的內(nèi)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(jié)果為：

將文件的打開即with的調(diào)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(jié)論：快了119倍，而實際加速遠遠大于這個倍數(shù)

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(guān)于python運行加速的幾種方式的文章就介紹到這了,更多相關(guān)python運行加速的幾種方式內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！