第 18 章性能優化

性能優化 (Performance tuning) 是一件多姿多彩的事情。Python 是一種解釋性語言并不表示你不應該擔心代碼優化。但也不必太擔心。

18.1. 概覽

由于代碼優化過程中存在太多的不明確因素，以至于你很難清楚該從何入手。

讓我們從這里開始：你真的確信你要這樣做嗎？ 你的代碼真的那么差嗎？值得花時間去優化它嗎？在你的應用程序的生命周期中，與花費在等待一個遠程數據庫服務器，或是等待用戶輸入相比，運行這段代碼將花費多少時間？

第二，你確信已經完成代碼編寫了嗎？ 過早的優化就像是在一塊半生不熟的蛋糕上撒糖霜。你花費了幾小時、幾天 (或更長) 時間來優化你的代碼以提高性能，卻發現它不能完成你希望它做的工作。那是浪費時間。

這并不是說代碼優化毫無用處，但是你需要檢查一下整個系統，并且確定把時間花在這上面是值得的。在優化代碼上每花費一分鐘，就意味著你少了增加新功能、編寫文檔或者陪你的孩子玩或者編寫單元測試的一分鐘。

哦，是的，單元測試。不必我說，在開始性能優化之前你需要一個完全的單元測試集。你最不需要的就是在亂動你的算法時引入新的問題。

謹記著這些忠告，讓我們來看一些優化 Python 代碼的技術。我們要研究的代碼是 Soundex 算法的實現。Soundex 是一種 20 世紀在美國人口普查中歸檔姓氏的方法。它把聽起來相似的姓氏歸在一起，使得在即便錯誤拼寫的情況下調查者仍能查找到。Soundex 今天仍然因差不多的原因被應用著，當然現在用計算機數據庫服務器了。大部分的數據庫服務器都有 Soundex 函數。

Soundex 算法有幾個差別不大的變化版本。這是本章使用的：

名字的第一個字母不變。
根據特定的對照表，將剩下的字母轉換為數字：
- B、 F、 P 和 V 轉換為 1。
- C、 G、 J、 K、 Q、 S、 X 和 Z 轉換為 2。
- D 和 T 轉換為 3。
- L 轉換為 4。
- M 和 N 轉換為 5。
- R 轉換為 6。
- 所有其他字母轉換為 9。
去除連續重復。
去除所有 9。
如果結果都少于四個字符 (第一個字母加上后面的三位字符)，就以零補齊。
如果結果超過四個字符，丟棄掉四位之后的字符。

比如，我的名字 Pilgrim 被轉換為 P942695。沒有連續重復，所以這一步不需要做。然后是去除 9，剩下 P4265。太長了，所以你把超出的字符丟棄，剩下 P426。

另一個例子：Woo 被轉換為 W99，變成 W9，變成 W，然后以補零成為 W000。

這是 Soundex 函數的第一次嘗試：

例 18.1. `soundex/stage1/soundex1a.py`

如果您還沒有下載本書附帶的樣例程序, 可以下載本程序和其他樣例程序。


import string, re

charToSoundex = {"A": "9",
                 "B": "1",
                 "C": "2",
                 "D": "3",
                 "E": "9",
                 "F": "1",
                 "G": "2",
                 "H": "9",
                 "I": "9",
                 "J": "2",
                 "K": "2",
                 "L": "4",
                 "M": "5",
                 "N": "5",
                 "O": "9",
                 "P": "1",
                 "Q": "2",
                 "R": "6",
                 "S": "2",
                 "T": "3",
                 "U": "9",
                 "V": "1",
                 "W": "9",
                 "X": "2",
                 "Y": "9",
                 "Z": "2"}

def soundex(source):
    "convert string to Soundex equivalent"

    # Soundex requirements:
    # source string must be at least 1 character
    # and must consist entirely of letters
    allChars = string.uppercase + string.lowercase
    if not re.search('^[%s]+$' % allChars, source):
        return "0000"

    # Soundex algorithm:
    # 1. make first character uppercase
    source = source[0].upper() + source[1:]
    
    # 2. translate all other characters to Soundex digits
    digits = source[0]
    for s in source[1:]:
        s = s.upper()
        digits += charToSoundex[s]

    # 3. remove consecutive duplicates
    digits2 = digits[0]
    for d in digits[1:]:
        if digits2[-1] != d:
            digits2 += d
        
    # 4. remove all "9"s
    digits3 = re.sub('9', '', digits2)
    
    # 5. pad end with "0"s to 4 characters
    while len(digits3) < 4:
        digits3 += "0"
        
    # 6. return first 4 characters
    return digits3[:4]

if __name__ == '__main__':
    from timeit import Timer
    names = ('Woo', 'Pilgrim', 'Flingjingwaller')
    for name in names:
        statement = "soundex('%s')" % name
        t = Timer(statement, "from __main__ import soundex")
        print name.ljust(15), soundex(name), min(t.repeat())

進一步閱讀

Soundexing and Genealogy 給出了 Soundex 發展的年代表以及地域變化。

深入 Python :Dive Into Python 中文版