WTF？能把Python代码写得这么优雅的都是神仙程序员吧！

“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。

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：

#假设有列表一
list1 = ['a', 'b', 'c', 'd', 'e', 'f', 'g']
#先定义一个空列表
list2 = []
for i in list1:
    list2.append(i)
print(list2)

得到：[‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’]

用生成式更加优雅的完成：

#假设有列表一
list1 = ['a', 'b', 'c', 'd', 'e', 'f', 'g']
list2 = [i for i in list1]
print(list2)

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：

#假设有列表一
list1 = ['a', 'b', 'c', 'd', 'e', 'f', 'g']
list2 = [i for i in list1]
print(list2)

输出：

0 张一鸣
1 马云
2 马化腾

优雅的方法，使用enumerate函数：

bat = ['张一鸣', '马云', '马化腾']
for n, i in enumerate(bat):
print(n,i) #输出结果同上

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：

str1 = ['我', '在', '知', '了', '课',  '堂', '学' , 'Python']
str2 = ''
for i in str1:
    str2 = str2  + i +  '-'
print(str2)

输出：我-在-知-了-课-堂-学-Python-

使用join方法：

str1 = ['我', '在', '知', '了', '课',  '堂', '学' , 'Python']
str2 = '-'.join(str1)
print(str2)

输出：我-在-知-了-课-堂-学-Python

4)不适用临时变量交换两个值：

a, b = b, a

5)使用：

if __name__ == '__main__':

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。

1）安装：

使用cython最简单的方法是执行

pip install Cython

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：

python setup.py install

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：

def say_hello_to(name):
    print("Hello %s!" % name)

创建对应的setup.py脚本：

from setuptools import setup
from Cython.Build import cythonize
​
setup(
    name='Hello world app',
    ext_modules=cythonize("hello.pyx"),
    zip_safe=False,
)

cmd到当前目录，执行：

![5](C:\Users\LookCos\Desktop\文章\5.png)]python setup.py build_ext --inplace

gcc与g++都安装但是，报错，缺乏 Microsoft visual C++ 14.0,遂下载安装：

4GB！太大了，用linux试试！

在centos环境下，重复上述步骤：

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：

from hello import say_hello
say_hello_to("zhiliao") #成功使用该方法

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：

import time
​
#创建一个计算斐波那契数列的方法
def fib(n):
if n in [1, 2]:
return 1
return fib(n-1) + fib(n-2)
​
start = time.time() #获取计算前时间戳
fib(38)             #计算
end = time.time()   #计算结束时间戳
print("耗时{}秒".format(end-start))

成绩：11.73秒

使用Cython：

创建一个fib2.pyx并键入：

#创建一个计算斐波那契数列的方法
def fib(n):
if n in [1, 2]:
return 1
return fib(n-1) + fib(n-2)

创建相应的setup.py：

from setuptools import setupfrom Cython.Build import cythonizesetup(    name='Hello world app',    ext_modules=cythonize("fib2.pyx"), #注意修改文件名    zip_safe=False,)

执行：

python3 setup.py build_ext --inplace

建立测试文件test.py：

import time
from fib2 import fib
start = time.time() #获取计算前时间戳
fib(38)             #计算
end = time.time()   #计算结束时间戳
print("耗时{}秒".format(end-start))

成绩，2.20秒

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，

import time
import numpy as np
#定义一个大数组
arr_list = list(range(10000000))
​
np_start = time.time()
np_list = np.array(arr_list)
res =  np_list ** 2
np_end = time.time()
​
def pow2(x):
    return x ** 2
#使用**方法
py_start = time.time()
res1 = [pow2(i) for i in arr_list]
py_end = time.time()
​
print("numpy用时{0}秒\n **用时{1}秒".format(np_end - np_start, py_end - py_start))

很给力，快了数倍：

numpy用时0.5964438915252686秒
 **用时4.138192176818848秒

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！