• 优化算法时间复杂度

算法的时间复杂度对程序的执行效率影响最大，在Python中可以通过选择合适的数据结构来优化时间复杂度，如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)。不同的场景有不同的优化方式，总得来说，一般有分治，分支界限，贪心，动态规划等思想。

1. 减少冗余数据

   如用上三角或下三角的方式去保存一个大的对称矩阵。在0元素占大多数的矩阵里使用稀疏矩阵表示。

2. 合理使用copy与deepcopy

   对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于后者是递归复制的。效率也不一样：（以下程序在ipython中运行）

   1 2 3 4 5 6 7 8

   import copy a = range(100000) %timeit -n 10 copy.copy(a) # 运行10次 copy.copy(a)   %timeit -n 10 copy.deepcopy(a)   10 loops, best of 3: 1.55 ms per loop 10 loops, best of 3: 151 ms per loop

   timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。

3. 使用dict或set查找元素

   python dict和set都是使用hash表来实现(类似c++11标准库中unordered_map)，查找元素的时间复杂度是O(1)

   1 2 3 4 5 6 7 8 9

   a = range(1000) s = set(a) d = dict((i,1) for i in a) %timeit -n 10000 100 in d   %timeit -n 10000 100 in s   10000 loops, best of 3: 43.5 ns per loop 10000 loops, best of 3: 49.6 ns per loop

   dict的效率略高(占用的空间也多一些)。

4. 合理使用生成器（generator）和yield

   1 2 3 4 5 6

   %timeit -n 100 a = (i for i in range(100000))   %timeit -n 100 b = [i for i in range(100000)]   100 loops, best of 3: 1.54 ms per loop 100 loops, best of 3: 4.56 ms per loop

   使用()得到的是一个generator对象，所需要的内存空间与列表的大小无关，所以效率会高一些。在具体应用上，比如set(i for i in range(100000))会比set([i for i in range(100000)])快。

   但是对于需要循环遍历的情况：

   1 2 3 4 5 6

   %timeit -n 10 for x in (i for i in range(100000)): pass   %timeit -n 10 for x in [i for i in range(100000)]: pass   10 loops, best of 3: 6.51 ms per loop 10 loops, best of 3: 5.54 ms per loop

   后者的效率反而更高，但是如果循环里有break,用generator的好处是显而易见的。yield也是用于创建generator：

   1 2 3 4 5 6 7 8 9 10 11 12 13 14

   def yield_func(ls):     for i in ls:         yield i+1   def not_yield_func(ls):     return [i+1 for i in ls="crayon-h"> [i+1 for i in ls 减少冗余数据 如用上三角或下三角的方式去保存一个大的对称矩阵。在0元素占大多数的矩阵里使用稀疏矩阵表示。 合理使用copy与deepcopy 对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于后者是递归复制的。效率也不一样：（以下程序在ipython中运行） 1 2 3 4 5 6 7 8 import copy a = range(100000) %timeit -n 10 copy.copy(a) # 运行10次 copy.copy(a)   %timeit -n 10 copy.deepcopy(a)   10 loops, best of 3: 1.55 ms per loop 10 loops, best of 3: 151 ms per loop timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。 使用dict或set查找元素 python dict和set都是使用hash表来实现(类似c++11标准库中unordered_map)，查找元素的时间复杂度是O(1) 1 2 3 4 5 6 7 8 9 a = range(1000) s = set(a) d = dict((i,1) for i in a) %timeit -n 10000 100 in d   %timeit -n 10000 100 in s   10000 loops, best of 3: 43.5 ns per loop 10000 loops, best of 3: 49.6 ns per loop dict的效率略高(占用的空间也多一些)。 合理使用生成器（generator）和yield 1 2 3 4 5 6 %timeit -n 100 a = (i for i in range(100000))   %timeit -n 100 b = [i for i in range(100000)]   100 loops, best of 3: 1.54 ms per loop 100 loops, best of 3: 4.56 ms per loop 使用()得到的是一个generator对象，所需要的内存空间与列表的大小无关，所以效率会高一些。在具体应用上，比如set(i for i in range(100000))会比set([i for i in range(100000)])快。 但是对于需要循环遍历的情况： 1 2 3 4 5 6 %timeit -n 10 for x in (i for i in range(100000)): pass   %timeit -n 10 for x in [i for i in range(100000)]: pass   10 loops, best of 3: 6.51 ms per loop 10 loops, best of 3: 5.54 ms per loop 后者的效率反而更高，但是如果循环里有break,用generator的好处是显而易见的。yield也是用于创建generator： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 def yield_func(ls):     for i in ls:         yield i+1   def not_yield_func(ls):