1. 引言
只需简单搜索一下，就很容易获得许多试图告诉我们关于 Python 技巧的文章。这些技巧要么更 “Pythonic”，要么能让我们的程序更快。这些文章并没有错，因为大多数技巧都非常有用。事实上，我自己也写过很多这类文章。
然而，这类文章经常受到批判，因为没有适用于所有情况的技巧。这也是事实。在我看来，更重要的是了解这些技巧存在的背后的原因，这样我们才能明白什么时候该用，什么时候不该用。
在这篇文章中，我将选取其中常见的两种技巧，并对其背后的机制进行详细解释。
2. 更快地连接字符串
通常如何将字符串连接在一起？我们来看一个字符串列表，如下：
strs = ['Life', 'is', 'short,', 'I', 'use', 'Python']
当然，最直观的方法是循环列表，并使用 + 运算符连接所有带空格的子串。
在上述代码中，我们只需定义一个空字符串，然后在该字符串上不断添加空格和列表中的子字符串。最后，我们返回从第 2 个字符开始的结果字符串，这样前导的空格就会被忽略。
不过，在这种情况下，我们有一个更好的方法来实现它。那就是使用 join() 函数，如下所示。
它不仅可读性更强，而且速度更快。请看下面的性能对比。
3. 原因分析
接下来我们来分析二者的具体执行步骤，首先来分析第一种方案：
● 每个for循环都会在列表中查找字符串
● Python 执行器遇到表达式result += ' ' + s时，会并为空格' '申请一个内存地址。
● 然后，执行器意识到需要将空格与字符串连接起来，因此它将申请字符串s的内存地址，即第一个循环的"Life"。
● 对于每次循环，执行器都需要申请两次内存地址，一次是空格，另一次是字符串
● 共有12次内存分配
接下来，让我们看看使用 join() 函数的步骤。
● 执行器将计算列表中有多少个字符串。共有
6个。
● 这意味着用于字符串列表中的连接字符串需要重复6-1=5次。
● 它知道总共需要11个内存空间，因此所有这些空间都将一次性预先分配。
● 按顺序排列字符串，并返回结果。
因此，显而易见，内存分配次数是上述技巧性能提升的主要原因。
4. 使用集合而非列表
List 在 Python 中非常常用。但是，你有没有想过，我们是否应该使用其他东西呢？我们知道 Python 中的 列表List 的元素是有顺序的，但如果顺序并不重要呢？例如，有时我们只需要知道一个元素是否存在，此时Python中的集合 Set 就能满足我们的要求。在这种情况下，集合set的性能会比列表list 好得多。
让我们定义一个具有完全相同元素的列表和集合。
my_list = list(range(100))
my_set = set(range(100))
如上，二者都有从 0 到 99 共 100 个整数。唯一不同的是数据结构类型。现在，假设我们要检查数字 "99 "是否在容器中，并比较其性能。
可见，列表的性能会因需要扫描的范围不同而变化。在上面的示例中，如果我们要测试列表中是否有 "0"，那么其性能将与集合相同。如果我们测试的是位于中间的 "50"，性能就会变差。如果我们测试的是最后一个元素，则会比其他情况慢得多。另一方面，集合的性能往往相当稳定。无论我们测试哪个数字，其性能都不会有太大的变化。
5. 原因分析
简而言之，列表和集合的数据结构完全不同。Python中 Set 使用哈希表实现，而 Python 中List 是典型的数组。
图1： 建立哈希表
哈希表是什么样的？一般来说，数值会被送入一个哈希函数，这个哈希函数会将原始数值转换成另一个数值，而这个新的数值会被用作哈希表的索引。
图2： 验证 "值 3 "是否存在
现在，让我们来看看 Python中的 List，它是一种数组类型的数据结构。列表中的元素以固定的顺序链接在一起。
图3： Python 列表中的值
因此，当我们寻找某个值时，它必须从列表的开头开始，逐个元素检查，直到找到目标时（如果不匹配，则到达结尾）。
图4： Python 列表查找过程
因此，最幸运的情况是第一个列表中第一个元素就是我们要找的，结果会立即返回。最糟糕的情况是，我们要找的元素是列表中的最后一项。这也解释了为什么当我们试图在列表中查找 0、50 和 99 时，性能会有所不同。
6. 总结
在本文中，我挑选了两种常见的 Python 技巧，并尽力解释了其背后的原因。它为什么有效，为什么性能更好。这也将帮助我们决定何时使用这些技巧，您学废了嘛？
