优化Python代码以提高效率

分析此代码显示大部分时间都花在日志操作上。 为了提高效率，有没有其他方法在Python3中编写这篇文章？用列表理解替换循环实际上效率较低，因为lambdas的存在，map的效率也较低

def log_total(data): 
    total = 0.0   
    log = log(data) 
    for i in range(10000): 
        total += log/(i+1)  
    return total

---

谢谢

我会将

日志

从总和中剔除，并缓存总和：

harmonic_series = sum(1. / i for i in range(1, 10001))  # Thanks, @mgilson

def log_total(data): 
    return log(data) * harmonic_series

---

您还可以使用来进一步加快速度。

可以在线使用

lambda

编写，如下所示：

total = lambda data: log(data) * sum(1.0 / i for i in xrange(1, 10001))

---

我使用了

python2.7.3

你真的必须选择与

log

函数相同的变量名吗？你可以保存一个附加值：

对于范围内的I（110001）：total+=log/I

@mgilson:Huh，这将它从每个循环

1.42毫秒

加速到每个循环

1.09毫秒

。这是一个相当大的进步。@mgilson，这确实更快！您的

log

函数是否是

math

模块中的函数？如果是这样，我怀疑您能否直接提高它的性能（因为它是用C实现的内置函数）。如果

log

是您为自己编写的代码，那么可能还有改进的余地，但在我们提出任何建议之前，您必须先显示其代码@用户\u noname\u 00：查看我的编辑。这样的缓存速度非常快，但就像作弊一样：）必须有一种方法在内部优化函数。当我说它比较慢时，求和是在函数内部计算的。但是，解是等价的。即使您优化了

日志

，它仍然会被调用10000次，因此每次都会产生巨大的成本，特别是当您基本上使用静态变量，但每次调用该方法都要计算它时。下一步是使用

memmoization

，如另一个问题中所述，以从函数中获得更高的速度。@user\u noname\u 00:所以你想优化它，但它需要保持缓慢？你也可以使用numpy做得更好：

”（1./np.arange（110001））.sum（）“

将它降低了约6倍（但不是那么懒惰）我改了。我忘了a*b1+a*b2+a*bn=a*（b1+b2+bn）。哈哈，我忘了写那个。把你的列表理解改成生成器。通过添加括号，将创建一个包含

10000

元素的实际列表（尝试将

10001

更改为

100000001

，看看会发生什么），这将占用大量RAM。您的代码段正在进行整数除法。更改为

1.0/i

或使用来自未来导入部门的

，否则您的总数将等于
1+0+0+0+…
@Paul McGuire
谢谢我从未来导入部门学习
。