一个小项目中的Python中的性能优化细节——（下）其他的小细节，减少调用、if判断的顺序

一、减少间接访问

<span style="white-space:pre"></span>D_Ascii = { } #this will save time about 0.1sD_Freq = { } #avoid create&destroy a pointer in for loop for index_Word in range(len(lines_Word)-2):index_AsciiHash = ord(lines_Word[index_Word][0])  #this one costs 1.4 sstr_Key = lines_Word[index_Word][0:-1] + str_const_GLUE + lines_Word[index_Word+1][0:-1] #costs 1.4s#str_Key = f_glue_word(lines_Word[index_Word][:-1],lines_Word[index_Word+1][:-1]) #costs  2.5sstr_NextWord = lines_Word[index_Word+2][:-1] #costs 0.5sD_Ascii = self.list_AsciiHash[index_AsciiHash] #datatype -- dict_AciiHash_DictD_Freq = self.list_KeyFreq_Dict_asciihash[index_AsciiHash] #costs 0.5s

在上面的例子中，D_Ascii和D_Freq的定义就是为了加入一个二级hash访问的临时变量

看似不经意的举动，会提高多少速度呢？

大约0.2秒。

一个典型的时间换空间的例子。这还是简单的间接访问，如果是复杂的访问则会节省更多的时间了~！

即简化了代码的长度，又提高了效率，何乐而不为呢？

二、if判断条件也会影响时间？

if str_Key not in D_Ascii: #put "not in" in front of "in",save 0.4s, because in will cause extra judgeD_Ascii[str_Key] = { str_NextWord : 1 }#costs 1.4sD_Freq[str_Key] = 1#555else:if str_NextWord in D_Ascii[str_Key]:#666D_Ascii[str_Key][str_NextWord]+=1#666else:#666D_Ascii[str_Key][str_NextWord]=1#666D_Freq[str_Key] += 1#555

上面这段代码，用的是if not in 而不是 if in, 一般都觉得这没什么嘛，不就是换个顺序？

但是实际在测试的时候，我却发现，if not比if要节省了0.4秒的时间！

为何会这样？

。。。。。。。。。。。。。。。

我也没找到合理的解释………………

三、函数调用也会消耗资源！

        在性能分析的时候，我发现某些函数竟然调用了200W次之多！

        其中有一个函数的作用是在A和B中间加入一段字符串“_+_”。为了简化代码我专门弄了一个函数，没想到这个函数竟然消耗的时间竟然达到3秒！

        后来我把这个函数去掉，直接进行连接，发现只需要消耗1.3秒！

总结1：函数调用，能省则省。

        同样的一个例子，str的方法strip()。

       我需要处理的是一个末尾带'\n'的字符串，那么对于这个操作，我只需要使用word[0:-1]即可，并不需要使用strip()

       因为这个函数有一些其他功能，包括去头去尾！

       那么节省了多少时间呢？一半，1.5s！

（完）我对这篇文章不太满意，因为我发现用数据库不需要经过这么痛苦的数据处理过程。唉…

           这种感觉就跟…………