提高Python运行效率的方式有很多种，① 直接的方式是更换解释器，使用Pypy这样的解释器将解释执行的过程更换为编译解释执行的过程；② 如果对底层执行效率有很高的要求的话，可以针对有要求的模块采用C语言混合开发，直接调用编译好的库完成功能的调用；③ 分析代码处理逻辑，优化处理过程中较为耗时的一些操作函数或者模块；不论那种方式在开发时都要结合实际项目情况进行处理。

1. 优化算法时间复杂度

   算法的时间复杂度对程序的执行效率影响最大，在Python中可以通过选择合适的数据结构来优化时间复杂度，如list和set查找某一个元素的时间复杂度分别是O(n)和O(1)。不同的场景有不同的优化方式，总得来说，一般有分治，分支界限，贪心，动态规划等思想。

2. 减少冗余数据

   如用上三角或下三角的方式去保存一个大的对称矩阵。在0元素占大多数的矩阵里使用稀疏矩阵表示。

3. 合理使用copy与deepcopy

   对于dict和list等数据结构的对象，直接赋值使用的是引用的方式。而有些情况下需要复制整个对象，这时可以使用copy包里的copy和deepcopy，这两个函数的不同之处在于后者是递归复制的。效率也不一样：（以下程序在ipython中运行）

   import copy
   a = range(100000)
   %timeit -n 10 copy.copy(a) # 运行10次 copy.copy(a)%timeit -n 10 copy.deepcopy(a)10 loops, best of 3: 1.55 ms per loop10 loops, best of 3: 151 ms per loop

   timeit后面的-n表示运行的次数，后两行对应的是两个timeit的输出，下同。由此可见后者慢一个数量级。

4. 使用dict或set查找元素

   python dict和set都是使用hash表来实现(类似c++11标准库中unordered_map)，查找元素的时间复杂度是O(1)

   a = range(1000)
   s = set(a)
   d = dict((i,1) for i in a)
   %timeit -n 10000 100 in d
   %timeit -n 10000 100 in s10000 loops, best of 3: 43.5 ns per loop10000 loops, best of 3: 49.6 ns per loop

   dict的效率略高(占用的空间也多一些)。

5. 合理使用生成器（generator）和yield

   %timeit -n 100 a = (i for i in range(100000))
   %timeit -n 100 b = [i for i in range(100000)]100 loops, best of 3: 1.54 ms per loop100 loops, best of 3: 4.56 ms per loop

   使用()得到的是一个generator对象，所需要的内存空间与列表的大小无关，所以效率会高一些。在具体应用上，比如set(i for i in range(100000))会比set([i for i in range(100000)])快。

   但是对于需要循环遍历的情况：

   %timeit -n 10 for x in (i for i in range(100000)): pass
   %timeit -n 10 for x in [i for i in range(100000)]: pass10 loops, best of 3: 6.51 ms per loop10 loops, best of 3: 5.54 ms per loop

   后者的效率反而更高，但是如果循环里有break,用generator的好处是显而易见的。yield也是用于创建generator：

   def yield_func(ls):
       for i in ls:        yield i+1def not_yield_func(ls):
       return [i+1 for i in ls]
   
   ls = range(1000000)
   %timeit -n 10 for i in yield_func(ls):pass%timeit -n 10 for i in not_yield_func(ls):pass10 loops, best of 3: 63.8 ms per loop10 loops, best of 3: 62.9 ms per loop

   对于内存不是非常大的list，可以直接返回一个list，但是可读性yield更佳(人个喜好)。

   python2.x内置generator功能的有xrange函数、itertools包等。

6. 优化循环

   循环之外能做的事不要放在循环内，比如下面的优化可以快一倍：

   a = range(10000)
   size_a = len(a)
   %timeit -n 1000 for i in a: k = len(a)
   %timeit -n 1000 for i in a: k = size_a1000 loops, best of 3: 569 µs per loop1000 loops, best of 3: 256 µs per loop