优化Python代码的4种要领

我们将随机建设一百万个值，并求出每个值的除数。我们将行使apply函数和多历程要领较量其机能：

# 导入库 
import pandas as pd 
import math 
import multiprocessing as mp 
from random import randint 
# 计较除数的函数 
def countDivisors(n) :  
 count = 0 
 for i in range(1, (int)(math.sqrt(n)) + 1) :  
 if (n % i == 0) :  
%%time 
pool = mp.Pool(processes = (mp.cpu_count() - 1)) 
answer = pool.map(countDivisors,random_data) 
pool.close() 
pool.join() 
 if (n / i == i) :  
 count = count + 1 
 else :  
 count = count + 2 
 return count  
# 建设随机数  
random_data = [randint(10,1000) for i in range(1,1000001)] 
data = pd.DataFrame({'Number' : random_data }) 
data.shape 

%%time 
data['Number_of_divisor'] = data.Number.apply(countDivisors) 

%%time 
pool = mp.Pool(processes = (mp.cpu_count() - 1)) 
answer = pool.map(countDivisors,random_data) 
pool.close() 
pool.join() 

在这里，多历程比apply要领快13倍。机能也许会因差异的硬件体系而异，但必定会进步机能。

竣事

这毫不是细致的列表。尚有很多其他要领和技能可以优化Python代码。可是我在数据科门生活中发明并行使了许多这四个，信托你也会发明它们也很有效。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!