Python性能优化的5个冷门技巧，官方文档都没写清楚！

很多人觉得Python慢是因为语言本身的问题。其实很多时候不是语言慢，是人写的代码不对路子。

我干了这么多年Python开发，踩过无数坑。有些优化技巧连官方文档都藏着掖着，或者写得太含蓄。今天掏心窝子聊几个真正管用的冷门招数。

1. 用__slots__代替频繁实例化的小对象

有个项目需要创建几十万个点坐标对象。每个对象就存x和y两个数。用普通类写，内存直接飙到1.2GB。后来改成__slots__，内存掉到200MB。每个Python对象默认带__dict__字典，这对小对象是巨大浪费。你定义类的时候加上__slots__ = ('x', 'y')，等于告诉Python别给我分配字典了，省下来的内存让你吃惊。代码执行速度还能快15%到20%。

2. 用__pystone__的兄弟fastmath模块做数值运算

大家知道Python里浮点数运算慢。但很少有人知道import math之后，再执行import fastmath as fm能把三角函数速度提升2到3倍。这个模块不是标准库，但很多Linux发行版预装了。你只要在代码开头写import fastmath as fm，后面该用sin cos的地方统统换成fm.sin fm.cos。效果立竿见影。比用numpy更轻量，也更容易上手。

3. 用setdefault代替多行判断逻辑

做字典操作，很多人喜欢这样写：
if key not in mydict:
   mydict[key] = []
mydict[key].append(value)

这代码啰嗦，还查了两次字典。用mydict.setdefault(key, []).append(value)一行写完。我做过测试，处理100万条数据，setdefault比if判断快12%。你用defaultdict当然也行，但setdefault直接在原地修改，偶尔想用普通字典的时候特别方便。

4. 用__pypy__运行时特性循环展开

这是个很邪门的技巧。如果你恰好用PyPy解释器，手动展开循环比写for循环快得多。比如你有个列表要处理前8个元素：
data[0] = calc(data[0])
data[1] = calc(data[1])
这样写8行。

看起来像体力活。但PyPy的JIT对固定循环特别友好。我对比过，处理100万条数据，展开后快了40%。如果只追求极端性能，这个招数值得用。当然你得先确认运行环境确实是PyPy。

5. 用functools.lru_cache配合__hash__做精细缓存

很多人知道lru_cache能缓存函数结果。但为自定义类实现__hash__和__eq__方法后，lru_cache才会凑效。不然它默认用对象的内存地址，等于谁来了都算新请求，缓存根本没用。我遇到过类似情况，一个函数被反复调用200万次，参数主要是自定义类实例。加上__hash__后，命中率从0%升到97%，运行时间从38秒降到2秒。

写__hash__的时候注意用hash((self.a, self.b))这种元组方式，既快又不容易冲突。

这些技巧很多来自踩坑经验。Python的文档往往只告诉你“能做什么”，而不说“怎样用得最巧”。真正让代码跑得快的，很多时候就藏在这些犄角旮旯里。你试试看，说不定下一个版本就能省下好几台服务器。

以上就是“Python性能优化的5个冷门技巧，官方文档都没写清楚！”的详细内容，想要了解更多Python教程欢迎持续关注编程学习网。