从本文开始，我将总结Python开发时，遇到的性能优化问题的定位和解决。

本系列主要参考并翻译Python官网和stackify上的如下文章，并加上一些思考和代码。如有错漏，欢迎批评指正，转载请联系我获得许可。

本文最后附需要优化的代码转换为C或者机器码的包。

性能优化的原则——优化需要优化的部分。

性能优化的一般步骤：

首先，让你的程序跑起来结果一切正常。然后，运行这个结果正常的代码，看看它是不是真的很慢。第三，如果很慢，找出占用大部分时间的代码。一个全面的测试用例可以保证未来的优化不会改变你程序的正确性。简单说，就是：

某些优化等同于好的编程风格，这些应该在你学编程语言的时候就学会，比如，把那些循环内不会改变的值的计算过程移动到循环外。

老代码：

新代码：

在代码量较少的时候，这两种方法可能差不多，但代码量多一些，可就不一样了。

Python有很多内置的方法，你可以写高质量、高效的代码，但这也很难打败内置的库。这些代码已经被优化和严格测试过，查看内置方法列表，看看你是否重复造轮子了。

在Python2中，使用xrange()而非range()可以避免在循环中，在内存中存储所有数字，xrange()返回的是一个生成器，当循环这个对象时，在内存中仅仅保存当前对象。

想查看一个对象的内存占用，可以使用：

在Python3中使用range()，相当于Python2中的xrange()

前面几点提到了一般的优化模式，即，生成器能用就用。生成器允许我们一次返回一个对象，而不是所有对象。如前所述，xrange()正是一个Python2中实现的生成器，Python3中的range()也是生成器。

如果你工作中使用列表，考虑写自己的生成器，以使用这种延迟加载和高效的内存利用方法。生成器在读大量文件时尤其有用，处理大块文件而不必担心其大小，因为生成器的存在而成为可能。