新手也能掌握的高效 Python 编程技巧：让代码更快更优雅

当你刚开始学习 Python 时，让代码正确运行是你的首要任务。但随着你编程经验的提升，你会希望自己的代码不仅能正确执行，还能更加高效。

高效的代码运行速度更快、占用更少的内存，在处理大型数据集时也能更好地扩展。好消息是，你不需要多年的经验，也能开始写出高效的 Python 代码。只需掌握几个简单技巧，即使是初学者也能让代码变得更高效。

本文将带你掌握让 Python 代码更高效的实用技巧。每种技巧都会提供清晰的对比，展示不够高效的写法和更高效的替代方案。

你可以在 GitHub 上找到完整代码

https://github.com/balapriyac/python-basics/tree/main/efficient-python-for-beginners

1. 使用内置函数替代手动实现

Python 提供了许多内置函数，能高效地完成各种常见操作。这些函数经过优化，能够以最高效的方式处理常见任务。

不推荐的写法：

def process_sales_data(sales):

  highest_sale = sales[0]

  for sale in sales:

      if sale > highest_sale:

          highest_sale = sale

  total_sales = 0

  for sale in sales:

      total_sales += sale

  return highest_sale, total_sales, total_sales / len(sales)

这种写法需要遍历列表两次，分别查找最高销售额和总销售额，效率较低。

推荐写法：

def process_sales_data(sales):

  return max(sales), sum(sales), sum(sales) / len(sales)

利用 Python 内置的max()和sum()函数，不仅速度更快，代码更简洁，也更不易出错。

小贴士：当你为集合数据编写循环以实现常见操作时，先看看是否有内置函数可以更高效地完成。

2. 使用列表推导式，但注意可读性

列表推导式是根据已有列表或序列生成新列表的利器。它们比等效的 for 循环更简洁，通常也更快。

不推荐的写法：

def get_premium_customer_emails(customers):

  premium_emails = []

  for customer in customers:

      if customer['membership_level'] == 'premium' and customer['active']:

          email = customer['email'].lower().strip()

          premium_emails.append(email)

  return premium_emails

这种方式每次循环都调用.append()，存在一定的开销。

推荐写法：

def get_premium_customer_emails(customers):

  return [

      customer['email'].lower().strip()

      for customer in customers

      if customer['membership_level'] == 'premium' and customer['active']

  ]

列表推导式将整个操作浓缩为一行，既高效又易于理解（熟悉这种写法后）。

注意：列表推导式适合处理逻辑简单的情况。如果转换逻辑过于复杂，建议分步处理或回归传统循环以提升可读性。

3. 使用集合和字典实现快速查找

当你需要判断一个元素是否存在于集合中或频繁查找数据时，集合（set）和字典（dict）的效率远高于列表。无论集合大小如何，它们都能实现近乎常数时间的查找，而列表查找的效率会随着列表增长而降低。

不推荐的写法：

def has_permission(user_id, permitted_users):

  # permitted_users 是用户ID列表

  for p_user in permitted_users:

      if p_user == user_id:

          return True

  return False

permitted_users = [1001, 1023, 1052, 1076, 1088, 1095, 1102, 1109]

print(has_permission(1088, permitted_users))

这种方式需要逐个遍历列表，时间复杂度为 O(n)。

推荐写法：

def has_permission(user_id, permitted_users):

  # permitted_users 现在是用户ID集合

  return user_id in permitted_users

permitted_users = {1001, 1023, 1052, 1076, 1088, 1095, 1102, 1109}

print(has_permission(1088, permitted_users))

这里使用集合（花括号表示），集合内部使用哈希表，查找速度极快，时间复杂度为 O(1)。

说明：对于小型集合差别可能不大，但数据变大时，集合或字典查找效率优势明显。

4. 用生成器高效处理大数据

在处理大型数据集时，如果一次性将所有数据加载进内存，程序可能会变慢甚至崩溃。生成器可以按需逐个生成数据项，大大节省内存。

不推荐的写法：

def find_errors(log_file):

  with open(log_file, 'r') as file:

      lines = file.readlines()

  error_messages = []

  for line in lines:

      if '[ERROR]' in line:

          timestamp = line.split('[ERROR]')[0].strip()

          message = line.split('[ERROR]')[1].strip()

          error_messages.append((timestamp, message))

  return error_messages

该方法会一次性将整个文件读入内存，文件大时易耗尽内存。

推荐写法：

def find_errors(log_file):

  with open(log_file, 'r') as file:

      for line in file:

          if '[ERROR]' in line:

              timestamp = line.split('[ERROR]')[0].strip()

              message = line.split('[ERROR]')[1].strip()

              yield (timestamp, message)

# 用法示例

for timestamp, message in find_errors('application.log'):

  print(f"Error at {timestamp}: {message}")

这里使用生成器（yield），每次只处理一行数据，内存占用极低。

优点：

无论文件大小，内存占用都很低

可以实时获得结果，无需等待全部处理完

可以按需提前终止处理，节省时间

生成器非常适合处理大文件、网络流、数据库查询等大批量数据。

5. 避免在循环中重复执行昂贵操作

优化循环性能的一个简单方法是，把与循环变量无关、计算量大的操作移到循环外，只执行一次。

不推荐的写法：

import re

from datetime import datetime

def find_recent_errors(logs):

  recent_errors = []

  for log in logs:

      # 每次循环都编译正则表达式

      timestamp_pattern = re.compile(r'\[(.*?)\]')

      timestamp_match = timestamp_pattern.search(log)

      if timestamp_match and '[ERROR]' in log:

          # 每次循环都获取当前时间

          log_time = datetime.strptime(timestamp_match.group(1), '%Y-%m-%d %H:%M:%S')

          current_time = datetime.now()

          time_diff = (current_time - log_time).total_seconds() / 3600

          if time_diff <= 24:

              recent_errors.append(log)

  return recent_errors

不必要地反复编译正则和获取当前时间，浪费资源。

推荐写法：

import re

from datetime import datetime

def find_recent_errors(logs):

  recent_errors = []

  # 在循环外编译正则和获取当前时间

  timestamp_pattern = re.compile(r'\[(.*?)\]')

  current_time = datetime.now()

  for log in logs:

      timestamp_match = timestamp_pattern.search(log)

      if timestamp_match and '[ERROR]' in log:

          log_time = datetime.strptime(timestamp_match.group(1), '%Y-%m-%d %H:%M:%S')

          time_diff = (current_time - log_time).total_seconds() / 3600

          if time_diff <= 24:

              recent_errors.append(log)

  return recent_errors

循环外只执行一次，提升效率，特别是循环次数多时效果更明显。

6. 避免用 += 拼接字符串

循环中用+=方式拼接字符串效率极低。每次操作都会创建新的字符串对象，随着字符串变长，代价越来越高。更高效的做法是用列表收集各部分，最后一次性拼接。

不推荐的写法：

def generate_html_report(data_points):

  html = "<html><body><h1>Data Report</h1><ul>"

  for point in data_points:

      html += f"<li>{point['name']}: {point['value']} ({point['timestamp']})</li>"

  html += "</ul></body></html>"

  return html

字符串不可变，每次拼接都要新建对象，效率低下。

推荐写法：

def generate_html_report(data_points):

  parts = ["<html><body><h1>Data Report</h1><ul>"]

  for point in data_points:

      parts.append(f"<li>{point['name']}: {point['value']} ({point['timestamp']})</li>")

  parts.append("</ul></body></html>")

  return "".join(parts)

用列表收集片段，最后用"".join(parts)一步生成大字符串，效率高且易读。

总结

编写高效的 Python 代码并不需要高深的知识，更多是用对了方法。本文介绍的技巧聚焦于常用高效编程模式，能够显著提升代码性能：

用内置函数替代手动实现

用列表推导式实现高效转换

用集合和字典加速查找

用生成器高效处理大数据

将不变的昂贵操作移到循环外

用列表拼接字符串而非+=

记得：代码的可读性同样重要。幸运的是，很多高效写法也让代码更简洁、更易懂，让你的程序既高效又优雅。

希望这些技巧能帮你在成为更优秀 Python 程序员的路上更进一步。继续编码，加油！