今天总结3个提升Python运行速度的方法，只从代码本身考虑，不考虑编写C扩展的代码、基于JIT的编译器技术。
关于代码执行效率的第一个方法是减少频繁的方法访问，尤其是在多层循环内层、且循环次数较多的操作，差距尤为明显。
# 真是模块内全局变量
import math
def compute_sqrt(nums):
result = []
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
result.append(math.sqrt(n))
return result
看到在for循环里面，涉及2个频繁的访问：
math.sqrt 会被频繁访问 result.append 也会被频繁访问
因此第一步做如下更改：直接导入sqrt，而不是导入整个模块后再去引用sqrt
# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt
def compute_sqrt(nums):
result = []
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
result.append(sqrt(n))
return result
# 直接导入sqrt，而不是导入整个模块后再去引用sqrt
from math import sqrt
def compute_sqrt(nums):
result = []
apd = result.append
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
apd(sqrt(n))
return result
第二个方法：查找局部变量的效率是最高的！！！对于频繁访问的变量应尽可能是局部变量，消除不必要的全局变量访问。所以对于上面代码，sqrt还是模块级别的全局变量，所以修改为：
def compute_sqrt(nums):
# 调整sqrt为局部变量
from math import sqrt
result = []
apd = result.append
for n in nums: # 假如nums长度很大
# 1. math.sqrt 会被频繁访问
# 2. result.append 也会被频繁访问
apd(sqrt(n))
return result
@property必要时再用，能不用时就别用。如下对于属性y做@property装饰没有任何意义！只有在y有特定取值，比如只能取大于0的非负实数时再用此装饰才有意义。
class A:
def __init__(self, x, y):
self.x = x
self.y = y
@property
def y(self):
return self._y
@y.setter
def y(self, value):
self._y = value
因此修改为下面这样，删去多余的@property包装
class A:
def __init__(self, x, y):
self.x = x
self.y = y
以上就是Python代码提速的3条基本但却容易被忽略的有价值方法，希望对你有用。
