Dicas de desempenho do Python - Parte 01

O texto reúne recomendações práticas para escrever código Python mais rápido. Ele insiste no uso de recursos embutidos, de estruturas e módulos mais adequados para cada tarefa, e lembra que às vezes o ganho vem de mover trabalho para C/C++ ou para código externo quando o desempenho exigir.

Fichamento

#

• Funções internas em Python tendem a ser muito rápidas porque são escritas em C.
• Para juntar muitas strings, join() é preferível a usar + repetidamente, já que cada concatenação cria uma nova string.
• Atribuição múltipla, como x, y = y, x, troca variáveis de forma mais rápida e elegante do que usar uma variável temporária.
• Variáveis locais são recuperadas mais depressa que variáveis globais, então o texto recomenda evitar global quando possível.
• Para testar se algo existe em uma sequência, o uso de in é descrito como limpo e rápido.
• Importar módulos só quando forem necessários pode distribuir o custo de carregamento, embora isso não melhore o desempenho total.
• Em laços infinitos, while 1 é apresentado como uma forma de loop mais rápida do que while True.
• List comprehensions podem substituir muitos blocos for e while, com ganho de velocidade e, em muitos casos, melhor legibilidade.
• xrange() é indicado para sequências longas porque gera valores sob demanda e economiza memória.
• Generators também economizam memória e podem melhorar o desempenho por produzirem valores quando são pedidos.
• O módulo itertools é destacado como eficiente para iteração e combinação, como no caso de permutações.
• bisect permite inserir elementos em listas ordenadas sem precisar chamar sort() de novo.
• Listas em Python são arrays, o que torna acesso por índice constante, mas torna custosa a inserção no início; para inserções e remoções nas duas extremidades, o texto sugere deque.
• dict e set são adequados para testar pertencimento porque usam tabela hash e podem oferecer busca em tempo próximo de O(1).
• sort() nativo é rápido, e o texto recomenda transformar os dados antes de ordenar quando for preciso usar uma ordem personalizada.
• Decorators podem ser usados para cachear resultados e memorizar valores já calculados, como em uma função Fibonacci.
• O GIL impede que várias threads executem bytecodes Python ao mesmo tempo, então threads não aceleram automaticamente o código em máquinas multi-core.
• Quando a documentação oficial não basta, o texto recomenda olhar o código-fonte do Python para entender estruturas de dados e algoritmos.