Python 提高用于循环的代码的性能

我试图根据一些数据创建一个列表，但在大数据上运行时，我使用的代码非常慢。因此，我怀疑我没有将所有Python功能用于此任务。在Python中是否有一种更高效、更快的方法

下面是对代码的解释：

您可以将此问题视为一个游戏列表（列表类型），每个游戏都有一个参与团队列表和游戏中每个团队的得分列表（列表xx）。对于当前游戏中的每一对，它首先计算与以前比赛的得分差异之和（赢得比赛，过去的DIF）；仅包括当前游戏中的配对。然后，它用当前游戏中的分数差异更新每一对。使用defaultdict跟踪每场比赛中每对球员的得分，并在每场比赛进行时更新该得分

在下面的示例中，基于一些数据，有for循环用于创建新变量

list_zz

数据和for循环代码：

将熊猫作为pd导入
将numpy作为np导入
从集合导入defaultdict
从itertools导入置换
列表类型=['A'，'B']，['B']，['A'，'B'，'C'，'D'，'E']，['B']，['A'，'B'，'C']，['A'，'B']，['C'，'A'，'B']，['A']，['B'，'C']]
列表_xx=[[1.0,5.0]、[3.0]、[2.0,7.0,3.0,1.0,6.0]、[3.0]、[5.0,2.0,3.0]、[1.0]、[9.0,3.0]、[2.0,7.0]、[3.0,6.0,8.0]、[2.0]、[7.0,9.0]]
列表_zz=[]
#for循环
wd=默认DICT（浮动）
对于zip中的i，x（列表类型，列表xx）：
#工作人员1
如果len（i）==1：
#打印（'NaN'）
列表zz.append（np.nan）
持续
#当前游戏的配对和差异生成器（i）
成对=列表（排列（i，2））
dgen=（值[0]-置换（x，2）中的值的值[1]
#与前几场比赛的差异之和，包括当前比赛中的两支球队
对于团队，结果为zip（i，x）：
win_comp_pass_difs=sum（如果键[0]==team，则成对键的wd[key]
#打印（赢的公司过去的DIF）
列表附加（赢得公司过去的DIF）
#更新当前游戏的配对差异
对于成对，拉链中的差异（成对，dgen）：
wd[pair]+=diff
打印（列表）

看起来是这样的：

[0.0，
0.0,
楠,，
-4.0,
4.0,
0.0,
0.0,
0.0,
楠,，
-10.0,
13.0,
-3.0,
楠,，
3.0,
-3.0,
-6.0,
6.0,
-10.0,
-10.0,
20.0,
楠,，
14.0,
-14.0]

---

如果您能详细说明代码，使其更高效、执行更快，我将不胜感激。

在不检查代码总体设计的情况下，我突然想到一个改进：将代码移动到函数

正如目前所写的，您使用的所有变量都是全局变量。由于全局名称空间的动态特性，Python必须在每次使用和每次访问时查找您使用的每个全局变量。（1）在CPython中，这对应于哈希表查找，这可能非常昂贵，特别是在存在哈希冲突的情况下

相反，局部变量在编译时是已知的，因此存储在固定大小的数组中。因此，访问这些变量只需要取消对指针的引用，这相对来说要快得多

牢记这一原则，您应该能够通过将所有代码移到“main”函数中来提高性能（运行时间大约下降40%）：

def main():
    ...
    # Your code here

if __name__ == '__main__':
    main()

---

---

（1）

我实际上已经照你说的做了，但仍然很慢。@MarioArend这样的优化只会给你一点优势。您的代码受到完全不同的因素的制约，我还没有花时间去寻找这些因素。