提升Python性能的7个习惯
1. 使用局部变量
尽量使用局部变量代替全局变量：便于维护，提高性能并节省内存。
使用局部变量替换模块名字空间中的变量，例如 ls = os.linesep。一方面可以提高程序性能，局部变量查找速度更快；另一方面可用简短标识符替代冗长的模块变量，提高可读性。
2. 减少函数调用次数
对象类型判断时，采用isinstance()最优，采用对象类型身份（id()）次之，采用对象值（type()）比较最次。
#判断变量num是否为整数类型type(num) == type(0) #调用三次函数type(num) is type(0) #身份比较isinstance(num,(int)) #调用一次函数
不要在重复操作的内容作为参数放到循环条件中，避免重复运算。
#每次循环都需要重新执行len(a)while i < len(a): statement#len(a)仅执行一次m = len(a)while i < m: statement
如需使用模块X中的某个函数或对象Y，应直接使用from X import Y，而不是import X; X.Y。这样在使用Y时，可以减少一次查询（解释器不必首先查找到X模块，然后在X模块的字典中查找Y）。
3. 采用映射替代条件查找
映射（比如dict等）的搜索速度远快于条件语句（如if等）。Python中也没有select-case语句。
#if查找if a == 1: b = 10elif a == 2: b = 20...#dict查找，性能更优d = {1:10,2:20,...}b = d[a]
4. 直接迭代序列元素
对序列（str、list、tuple等），直接迭代序列元素，比迭代元素的索引速度要更快。
a = [1,2,3]#迭代元素for item in a: print(item)#迭代索引for i in range(len(a)): print(a[i])
5. 采用生成器表达式替代列表解析
列表解析（list comprehension），会产生整个列表，对大量数据的迭代会产生负面效应。
而生成器表达式则不会，其不会真正创建列表，而是返回一个生成器，在需要时产生一个值（延迟计算），对内存更加友好。
#计算文件f的非空字符个数#生成器表达式l = sum([len(word) for line in f for word in line.split()])#列表解析l = sum(len(word) for line in f for word in line.split())
6. 先编译后调用
使用eval()、exec()函数执行代码时，最好调用代码对象（提前通过compile()函数编译成字节码），而不是直接调用str，可以避免多次执行重复编译过程，提高程序性能。
正则表达式模式匹配也类似，也最好先将正则表达式模式编译成regex对象（通过re.complie()函数），然后再执行比较和匹配。
7. 模块编程习惯
模块中的最高级别Python语句（没有缩进的代码）会在模块导入（import）时执行（不论其是否真的必要执行）。因此，应尽量将模块所有的功能代码放到函数中，包括主程序相关的功能代码也可放到main()函数中，主程序本身调用main()函数。
可以在模块的main()函数中书写测试代码。在主程序中，检测name的值，如果为'main'（表示模块是被直接执行），则调用main(）函数，进行测试；如果为模块名字（表示模块是被调用），则不进行测试。
推荐下我本人原创的 《PyCharm 中文指南》电子书，内含大量（300张）的图解，制作之精良，值得每个 Python 工程师点个收藏。
