大家好，我是TT。
在我们开始优化任何东西之前，我们首先需要找出到底是代码的哪些部分减慢了整个程序，有时程序的瓶颈可能是显而易见的，但如果你不知道它在哪里，那么以下选项可以帮你找出来。
这是一段用于演示的程序，它是用于计算e的X次方，首先是最简单同时又非常懒惰的解决方案：使用Unixtime命令。
如果你只是想计算整个过程的运行时间只需要这样做就行了。但这通常不能满足我们的需求，所以另一个极端就是cProfile，但是它提供的信息又太多了，在这里我们使用cProfile模块和time参数运行测试脚本，这样就可以根据内部时间cumtime对代码进行排序。这给了我们很多信息，这里的内容大约是实际输出的10%，我们可以看到exp函数是罪魁祸首。
现在我们可以得到更具体的时间和性能分析，现在我们知道了应该将注意力放在哪里，如果我们希望对慢速函数进行计时而不需要测量代码的其余部分，就可以使用简单的装饰器。
接下来，把这个装饰器应用到函数上，然后进行输出，得到这样的结果。
这里需要考虑一件事是我们实际想测量的是哪种时间，时间包提供了time.perf_counter和time.process_time，它们的不同之处在于perf_counter返回绝对值。
其中包括python程序进程不运行时的时间，因此可能会受到机器负载的影响，另一方面，process_time只返回用户时间而不包括系统时间，只是进程的时间，那么有趣的部分来了，让我们将你的python程序运行得更快一些吧。
需要注意的是，这里不会向你展示骇客技术、技巧和代码，更多介绍的是一般的想法和策略，当你使用它时，会对性能产生巨大的影响，在某些情况下可以提高30%的速度。
第一点：使用内置数据类型
内置数据类型非常快，特别是与树或链表等自定义类型相比，这主要是因为内置类型是用C实现的，在python编码时，我们无法在速度上与之匹配。
第二点：使用lru_cache缓存数据
这里通过一个简单的例子说明一下，这里的函数使用time.sleep模拟大量计算，第一次使用参数1调用时它将等待2秒然后才返回结果。当再次调用时结果已经被缓存，因此它会跳过函数体并立即返回结果。
第三点：使用局部变量
这与在每个作用域内查找变量的速度有关，在这里，写每个作用域是因为它不只关乎是使用局部变量还是全局变量，查找速度也存在着差异，在函数中的局部变量最快，类级属性次之，而全局变量最慢，你可以像这样，使用不必要的赋值来提升性能。
第四点：使用函数
这看起来可能不符合直觉，因为调用函数将更多的东西放到堆栈中，从函数返回时会产生开销，但这与前面一点有关，如果你只是将整个代码放入一个文件中而不将其放入函数中，那么由于全局变量的关系速度会慢很多，因此你只是将整个代码封装在main函数中并调用一次就可以加快代码。
第五点：不要访问属性
另一个可能降低程序速度的是操作符（.），这个操作符使用_getattribute_触发字典查找，这会在代码中产生额外的开销。
第六点：提防字符串
在循环中运行诸如模数（%s）或.format（）之类的方法时，对字符串的操作可能会变得非常慢，根据RaymondHettinger的推文，我们唯一应该使用的是f-string，它是最易读、最简洁、最快速的方法。因此，你可以使用这个方法让速度变快，生成器本身并没有更快，因为它们允许延迟计算，这里节省的是内存而不是时间，但是节省的内存可能会使得程序在实际运行时更快。
如果你有一个大型数据集并且没有使用生成器或者说是迭代器，那么数据可能会溢出CPUL1缓存，这将显著降低在内存中查找值的速度，说到性能，很重要的一点就是CPU可以将它正在处理的所有数据保存在缓存中，关于这个问题你如果感兴趣的话也可以看一下RaymoudHettingers的演讲。
总之，优化的第一原则是不做优化，但如果你真的需要，希望这些小技巧能帮助到你，不过在优化代码时要万分小心，因为它可能会使代码难于阅读，难于维护，甚至超过优化带来的好处，如果你有更好的方法欢迎在评论区留言讨论。