很多人写Python觉得慢。写出来的脚本跑一次要等半天。电脑风扇呼呼转。代码看起来也不多。问题不在电脑配置。问题在写代码的习惯。有些习惯改一改，速度能差出好几倍。下面说三个技巧。都是平时容易忽略的地方。改完以后你会觉得之前的等待时间白花了。

技巧一

循环外提 · 减少重复计算

第一个技巧跟循环有关。很多人习惯在循环里反复做同一件事。比如每次循环都去读一个文件。或者每次都去调用一个同样的函数算一个固定值。这类操作在循环里重复一万次，就是一万次浪费。把不变的东西挪到循环外面。这个动作很简单。效果很明显。

看一个例子。假设你要处理一批数据。每个数据都跟一个固定系数相乘。有人会这样写。

data = [1, 2, 3, 4, 5] result = [] for x in data:     factor = 2.5 * 1.8 + 0.3     result.append(x * factor)

这段代码里，factor 每次循环都算一遍。它的值其实永远不会变。把它提到循环外面。代码变成这样。

data = [1, 2, 3, 4, 5] result = [] factor = 2.5 * 1.8 + 0.3 for x in data:     result.append(x * factor)

改动很小。当数据量是十万条的时候，省下的时间够你泡一杯茶。这个技巧不挑场景。任何循环里只要有不依赖循环变量的计算，都能往外提。字符串拼接也常用这个思路。有人喜欢在循环里用加号连字符串。每次加号都会新建一个字符串对象。数据一多，内存和时间都扛不住。用 join 方法一次性拼完。或者把结果先放进列表，最后统一处理。这些做法都比循环里硬拼要快。

技巧二

集合查找 · 告别线性遍历

第二个技巧跟查找有关。Python 里判断一个元素在不在某个集合里，用 in 操作。这个操作快不快，取决于右边是什么类型。如果是列表，Python 会从头到尾一个一个比。数据量大的时候，找一次要很久。如果是集合或者字典的键，Python 用哈希表。找一次几乎不花时间。这个差别在数据量小的时候感觉不到。数据量一大，差距就出来了。

举个实际场景。你有一个用户ID列表，几十万个。还有一个黑名单。你要判断每个用户ID在不在黑名单里。如果黑名单是列表，每次判断都要遍历。几十万次判断，每次遍历几十万条。这个计算量会卡死程序。把黑名单改成集合。判断一次就是一次哈希查找。速度差几百倍都不止。

black_list = ['user1', 'user2', ...]  # 很多条 black_set = set(black_list) for uid in all_users:     if uid in black_set:         pass

这个改动不需要动逻辑。只需要在初始化的时候加一行 set()。字典的键也有同样的效果。如果你既有黑名单又要存额外信息，直接用字典。键用来判断，值用来存数据。一举两得。记住一个原则。需要频繁判断存在性的地方，别用列表。用集合或者字典。

技巧三

生成器迭代 · 内存零压力

第三个技巧跟内存和生成器有关。很多人处理大文件的时候，喜欢先读进内存。比如 readlines() 一次把整个文件读成列表。文件小的时候没事。文件几个G的时候，内存直接爆掉。程序要么卡死，要么被系统杀掉。用生成器可以一行一行处理。内存占用几乎不变。速度也不会慢。

看文件处理的例子。常见写法是这样。

with open('big_file.txt') as f:     lines = f.readlines()     for line in lines:         process(line)

这段代码会把整个文件读进内存。改成这样。

with open('big_file.txt') as f:     for line in f:         process(line)

文件对象本身就是可迭代的。每次只读一行。内存里始终只有一行数据。处理几个G的文件跟处理几K的文件，内存占用差不多。这个技巧在数据清洗和日志分析里特别有用。很多人处理日志的时候，日志文件每天几个G。用 readlines 读一次就崩溃。用 for line in f 就能稳稳跑完。

生成器表达式也能省内存。列表推导式用方括号。生成器表达式用圆括号。方括号会一次生成所有结果。圆括号只在需要的时候生成下一个。如果你只是遍历一次，不重复使用结果，用圆括号。比如 sum(x * 2 for x in range(1000000))。这里用圆括号，内存里不会出现一个百万长度的列表。sum 边算边加。内存占用很小。速度也不差。

总结一下：这三个技巧都不复杂。循环里不变的东西往外提。频繁查找用集合或字典。大文件用迭代不用 readlines。每一个改动都只需要几行代码。改完以后跑一遍，你会看到时间明显缩短。内存占用明显下降。写代码的时候多想想数据怎么流动。多想想哪些操作是重复的。哪些数据结构更适合当前任务。这些思考花不了多少时间。省下的运行时间却很多。

更多相关技术内容咨询欢迎前往并持续关注好学星城论坛了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。