第 19 讲：性能优化——Profiling 工具与 C 扩展加速

大家好，我是正在实战各种 AI 项目的程序员晚枫。

先测量再优化，用 profiling 找到瓶颈，针对性提升性能。

---

🔍 Profiling 工具

cProfile

import cProfile
import pstats

# 代码性能分析
def slow_function():
    result = []
    for i in range(10000):
        result.append(i ** 2)
    return result

# 方法 1：命令行
# python -m cProfile -s cumulative script.py

# 方法 2：代码内
profiler = cProfile.Profile()
profiler.enable()
slow_function()
profiler.disable()
stats = pstats.Stats(profiler)
stats.sort_stats('cumulative').print_stats(10)

line_profiler

# 安装
pip install line_profiler

# 使用
kernprof -l -v script.py

---

⚡ 优化技巧

技巧	效果
使用内置函数	C 实现更快
列表推导式	比循环快
局部变量查找	避免全局查找
使用slots	减少内存占用
C 扩展	突破性能瓶颈

# 1. 使用内置函数（C 实现）
result = sum(range(1000))  # 快

# 2. 列表推导式代替循环
squares = [x**2 for x in range(1000)]  # 快

# 3. 局部变量查找更快
def fast():
    local_append = result.append  # 缓存方法
    for i in range(1000):
        local_append(i)

---

🎯 本讲总结

Profiling 工具：cProfile、line_profiler。

优化技巧：内置函数、列表推导式、局部变量等。

C 扩展：突破性能瓶颈的终极手段。

---

📚 推荐教材

《Python 编程从入门到实践（第 3 版）》 | 《流畅的 Python（第 2 版）》 | 《CPython 设计与实现》

学习路线： 零基础 → 《从入门到实践》 → 《流畅的 Python》 → 本门课程 → 《CPython 设计与实现》

---

🔗 课程导航

← 上一讲：异步编程 | 下一讲：最佳实践 →

---

💬 联系我

平台	账号/链接
微信	扫码加好友
B 站	Python 自动化办公社区

主营业务：AI 编程培训、企业内训、技术咨询

进群

嗨，扫码 进群

微信