Python在性能方面并不擅长，但通过一些提示，您可以尝试提高程序性能并避免不必要的资源浪费。

1.使用局部变量
尝试使用局部变量而不是全局变量使其易于维护，有助于提高性能并节省内存。

使用局部变量替换模块命名空间中的变量，例如ls = os.linesep。一方面，它可以提高程序性能，因为局部变量的搜索速度更快; 另一方面，冗长的模块变量可以用短标识符替换，以提高可读性。

2.减少函数调用的次数
在确定对象类型时，最佳使用isinstance()，次优使用id()，最差type()用于比较。

#Determine whether the variable num is an integer type
type(num) == type(0) #call the function three times
type(num) is type(0) #identity comparison
isinstance(num,(int)) #call the function once

不要将重复操作作为参数放在循环中，以避免重复计算。

#Each loop needs to re-execute len(a)
while i < len(a):
    statement
#Only execute len(a) once
m = len(a)
while i < m:
    statement

要Y在模块中使用函数或对象X，您应该from X import Y直接使用 而不是 import X; X.Y。因此，在使用时Y，您可以减少一次查询（解释器不必先找到X模块，然后Y在X模块的字典中查找）。

3.使用映射替换条件搜索
映射的搜索速度（例如dict等）比条件语句（例如if等）快得多。select-casePython中没有声明。

#if​ reach
if a == 1:
    b = 10
elif a == 2:
    b = 20
...

#dict reach，better performance
d = {1:10,2:20,...}
b = d[a]

4.直接迭代序列元素
对于序列（str，list，tuple等），迭代序列元件直接比迭代元件索引更快。

a = [1,2,3]

#Iterate elements 
for item in a:
    print(item)

#Iterate indexes
for i in range(len(a)):
   print(a[i])

5.用生成器表达式替换列表理解
列表理解将产生整个列表，对大量数据的迭代产生负面影响。

但是生成器表达式没有。它实际上并不创建一个列表，而是返回一个生成器，它在需要时产生一个值（延迟），这对内存更友好。

#Calculate the number of non-null characters in file f
#List analysis
l = sum([len(word) for line in f for word in line.split()])

#generator expression
l = sum(len(word) for line in f for word in line.split())

6.首先编译然后调用
当使用该函数 eval() 并 exec() 执行代码时，最好调用代码对象（通过compile() 函数预先编译成字节码 ）而不是str 直接调用 ，这样可以避免多次重复编译过程并提高程序的性能。

正则表达式模式匹配是类似的。re.complie() 在执行比较和匹配之前，最好将正则表达式模式编译为正则表达式对象（通过 函数）。

7.模块编程的习惯
模块中最高级别的Python语句（无缩进代码）将在导入模块时执行（是否真的需要执行）。因此，您应该尝试将模块的所有功能代码放入函数中（与主程序相关的功能代码也可以放入 main() 函数中，主程序本身调用该 main() 函数）。

测试代码可以main() 在模块的功能中编写 。__name__ 将在主程序中检测到该值 。如果是' __main__'（表示模块是直接执行的），则main() 调用该 函数进行测试; 如果它是模块的名称（表示模块被调用），则不会执行测试