写Python过程中，有些我们不常注意的细节常常会影响整体的运行效率，如果算法本身难以再优化的时候，我们可以考虑从语法本身出发去加速程序的效率。
1.用set查找代替list查找
如果在代码中查找占很大的比重，那我们就要考虑说，是否可以将list查找都替换成set查找，尽管list是顺序存储结构，按理说检索数的速度很快了，但是用集合set查找会更快。
2.用for循环替代while循环
这两种循环都有自己的适应场景，for循环是一次次地循环（已知循环次数），while是按条件循环（未知循环次数）。如果我们不清楚循环次数情况下，当然是使用while，但是，如果我们知道循环次数，且循环过程也是由迭代数定长地增加，然后一次次地累计循环的话，那我们就优先使用for循环。
如下图所示，实验10次，用while循环的平均用时为微秒，用for循环的平均用时为微秒；其实很好理解，for循环是一步步地从迭代器range中取数，而while函数是每次循环都在迭代数上加1，这两个操作的用时相近，不过，在while中却多了个条件判断i。
3.将重复使用的部分参数化
在代码中，有些操作（比如取数）、或者有些计算，是需要多次操作的，可能是一段代码中多次使用到，也可能是一个循环体里面多次使用到，这样的话，我们就要就将这部分操作、或者计算给参数化，如果是在循环体内就把它放到循环体之外。
注意：是重复被使用的对象，如果是每次循环都加上某个数进行迭代的这种操作，因为每次那个具体的值都会变，所以这不算在这里。
具体地，比如循环中需要反复地用到一个从excel表中取出来的数，或者从某列表中检索出来的数的时候，我们可以在循环体之外先把这些数取出来，赋给某个参数，然后再利用这个参数进行计算，而不是将取数的这个操作放在循环体里面。
如下图，当在循环中重复某个操作时，程序平均运行时间为92微秒，而把这个重复性的操作参数化后，程序的平均运行时间降低到13.1微秒。
4.尽量使用标准库或者内置函数
对于一些Python有标准库，那就尽量使用标准库中的方法或者内置函数去实现，因为这些标准库或内置函数的效率都是优化得很好的，就算自己写代码重复标准库或者内置函数的功能，写的很好也只是在接近它们的效率而已。
5.用numpy的array替代list
numpy是高效处理大型矩阵的库，之所以高效，很大程度取决于它的基础数据结构array。如果程序中处理大型矩阵的机会比较多的话，可以尝试用array替代list，同时array有很多高效且功能强大的计算函数。
如下所示，用list列表需要用循环来乘以整数，列表不能直接乘上整数；但是array结构可以直接和整数相乘（每个数都乘上2），这个小操作就缩减了90%以上的耗时。
6.读写的Excel文件尽量用csv格式
Excel有两种存储格式，一种后缀是.xlsx，一种是.csv，在使用Pandas库读取数据和写入数据的时候，用.csv都会远快于用.xlsx的格式。