20个实用小技巧，让你的 Python 跑得更快
Hello 我是花姐。今天咱来聊个扎心的真相：
“你写的 Python，不是慢，是累。”
累电脑。累内存。还累维护你代码的倒霉蛋（可能就是未来的你）。
所以花姐直接给大家整了 20 个Python提速小技巧，适用于初中高级Python爱好者！
一：List Comprehension，Python 亲儿子
# ❌ 慢：
res = []
for i in range(10):
res.append(i * i)
# ✅ 快：
res = [i * i for i in range(10)]
解释一下：for 循环加 append 是显式方法调用，解释器一行行解释，慢。
而列表推导式是 Python 的内部魔法，跑起来更像一股疾风。
二：字符串拼接不是 +=，是 join
# ❌ 慢：
s = ""
for word in ["Hello", "World"]:
s += word + " "
# ✅ 快：
s = " ".join(["Hello", "World"])
为啥？字符串不可变，每次 += 相当于复制 + 合并，很消耗内存。
join() 一次性搞定，系统层面预分配内存，效率高得离谱。
三：map 可不是中看不中用，是真快！
# ❌ 你以为你写得很高级：
res = []
for x in range(1000):
res.append(x + 1)
# ✅ 实际更高级的写法：
res = list(map(lambda x: x + 1, range(1000)))
注意：map() 是惰性计算，比 for 更高效；如果只是用来做简单映射，非常适合。
但是别往里整副作用操作（比如 print()），你可能啥都看不到。
四：in list 是坑，in set 才是道！
# ❌ 你在翻字典查名字：
if "banana" in ["apple", "banana", "cherry"]:
print("找到了")
# ✅ 哈希一拳打爆性能瓶颈：
if "banana" in {"apple", "banana", "cherry"}:
print("找到了")
集合的 in 操作是哈希查找，速度远超线性扫描的列表，尤其是数据量大时差距明显。
五：缓存函数，用 lru_cache，让它学会记仇
from functools import lru_cache
@lru_cache(maxsize=128)
def heavy(x):
print("计算中...")
return x ** 2
第一次调用要计算，之后同样参数直接返回缓存，像贴了便利贴一样高效。
适合递归、大量重复计算的场景，比如斐波那契数列。
六：多核不白给，用 multiprocessing！
from multiprocessing import Pool
def square(x):
return x * x
with Pool(4) as p:
print(p.map(square, range(10)))
不是所有问题都能靠 async 搞定，有时候多核才是硬刚 CPU 的方法。
你写 for loop，它跑一核，你写多进程，直接全家上阵！
七：global 看着没事，实则暗藏杀机
# ❌ 慢到哭：
x = 0
def compute():
global x
for _ in range(1000000):
x += 1
# ✅ 用局部变量，飞起来：
def compute():
x = 0
for _ in range(1000000):
x += 1
全局变量查找慢、维护难，还容易引发副作用。局部变量缓存快，作用域清晰，是你的性能好朋友。
八：Numba 让你 Python 变 C 语言速度
from numba import jit
@jit(nopython=True)
def compute(n):
return n * n
开 JIT 编译器，相当于给你的函数贴个“加速”外挂。
不过注意，不能用 Python 的对象类型，只能用数字、数组啥的，不然跑不起来。
九：itertools 是你省内存的亲妈
from itertools import islice
with open("bigfile.txt") as f:
head = list(islice(f, 10))
你原来是 readlines() 全部读入，现在只读前 10 行。内存压力瞬间少三顿饭。
十：别 format 了，f-string 真香！
# ❌ 老派写法：
msg = "Hello, {}".format("花姐")
# ✅ 新派写法：
msg = f"Hello, {'花姐'}"
f-string 更快，代码更干净，少一堆花括号 + 格式化脑筋急转弯。
十一：enumerate，不止是语法糖，是效率好
# ❌：
for i in range(len(items)):
print(i, items[i])
# ✅：
for i, v in enumerate(items):
print(i, v)
一边数一边取，是不是跟你打游戏时又想看弹幕又想点技能一样忙？enumerate 直接两手都送你。
十二：zip，平行宇宙的神器
names = ["小明", "小红"]
ages = [18, 20]
for name, age in zip(names, ages):
print(name, age)
你要是用 index，两个 list 一旦不等长，就容易炸。zip 自动对齐，多干净！
十三：itertools.islice 的记忆锚点
from itertools import islice
for item in islice(range(1000000), 10):
print(item)
你以为在处理一大坨 list，其实啥都没存，它是 lazy 的。只管 slice 当前需要的部分。
十四：defaultdict = 少写一半的 if
# ❌：
counts = {}
for word in ["a", "b", "a"]:
if word in counts:
counts[word] += 1
else:
counts[word] = 1
# ✅：
from collections import defaultdict
counts = defaultdict(int)
for word in ["a", "b", "a"]:
counts[word] += 1
不需要先检查再加，defaultdict 自动初始化。别再重复写那几行 if else，累死累活的。
十五：Counter：频率统计界的AK47
from collections import Counter
words = ["a", "b", "a", "c"]
c = Counter(words)
print(c)
比你自己建字典快，比你数手指头准，一行解决全部问题。
十六：deque？插入你就得用它
# ❌：
lst = []
lst.insert(0, "new")
# ✅：
from collections import deque
d = deque()
d.appendleft("new")
列表头部插入是灾难（O(n)），deque 是 O(1)。你插多了才知道谁是真爱。
十七：any/all 是布尔逻辑里的绝对 C 位
# ❌：
found = False
for i in [0, 0, 1]:
if i == 1:
found = True
break
# ✅：
found = any(i == 1 for i in [0, 0, 1])
简洁明了，逻辑清晰，性能不输 for。all 也是一样，只是全都满足才返回 True。
十八：sorted + key，手写排序靠边站！
people = [("花姐", 30), ("小张", 25)]
sorted_people = sorted(people, key=lambda x: x[1])
比你写冒泡、插入快一万倍。key 是排序的关键，你写对了，排序就省心了。
十九：@staticmethod，静态才是王道
class Tool:
@staticmethod
def square(x):
return x * x
Tool.square(9)
你不需要实例化个对象只是为了算个平方，这不叫 OOP，这叫 Oops。
静态方法，不依赖实例，干净又高效。
二十：dataclass，像写 JSON 一样写类
from dataclasses import dataclass
@dataclass
class Person:
name: str
age: int
自动生成 __init__、__repr__、__eq__，少写代码，还清晰易读。谁用谁知道。
送你几句话
Python 优化不是要你硬背技巧，而是：
只要你敢用内建的、懒的、快的，你的代码就能飞起来。
别怕“语法不优雅”，怕就怕你 for 了十万次还没跳出。
花姐提示：
你这 20 招要是全会了，面试都能吹五分钟！记不住？那就收藏、转发、贴墙上！
