如果您的问题是关于一般地优化python代码（我认为应该是;），那么可以做各种各样的测试工作，但是首先：
您可能不应该过分地优化python代码！ 如果您要使用最快的算法来解决问题，而python的处理速度不够快，则可能应该使用其他语言。
就是说，您可以采用几种方法（因为有时候，您确实确实想使python代码更快）：
个人资料（先执行此操作！）
有很多分析python代码的方法，但是我将提到两种：（
cProfile或
profile）module和
PyCallGraph。
个人资料
这是您实际上应该使用的方法，尽管解释结果可能会有些令人生畏。它通过记录何时进入或退出每个函数以及调用函数是什么（以及跟踪异常）来进行记录。
您可以像这样在cProfile中运行一个函数：
import cProfilecProfile.run('myFunction()', 'myFunction.profile')然后查看结果：
import pstatsstats = pstats.Stats('myFunction.profile')stats.strip_dirs().sort_stats('time').print_stats()这将向您显示大部分时间都花在哪些功能上。
PyCallGraph
PyCallGraph提供了一种 最漂亮
，也可能是最简单的方法来分析python程序-这是了解程序时间的很好的入门指南，但是却增加了执行开销
运行pycallgraph：
pycallgraph graphviz ./myprogram.py
简单！您会得到一个png图形图像作为输出（也许过一会儿…）
使用图书馆
如果您要尝试在python中执行某个已经存在的模块（甚至在标准库中），请改用该模块！
大多数标准库模块都是用C语言编写的，它们的执行速度比对等搜索（例如，bisection搜索）要快数百倍。
让翻译员尽您所能
解释器将为您做一些事情，例如循环。真？是! 您可以使用
map，
reduce以及
filter关键字显著加快紧凑循环：
考虑：
for x in xrange(0, 100): doSomethingWithX(x)
vs：
map(doSomethingWithX, xrange(0,100))
显然，这 可能 会更快，因为解释器只需要处理一个语句即可，而不是两个，但这有点含糊……实际上，这样做有两个原因：
- 所有流控制（我们已经完成循环了……）都在解释器中完成
- doSomethingWithX函数名称仅解析一次
在for循环中，每次循环python都要检查
doSomethingWithX函数的确切位置！即使是缓存，这也有些开销。
请记住，Python是一种解释性语言
（请注意，本节实际上是关于微小的优化，您不应该让它们影响您的常规可读编码风格！）如果您来自使用c或Fortran之类的编译语言进行编程的背景，那么关于不同的python语句的性能可能令人惊讶：
try:
ing便宜，if
ing昂贵
如果您有这样的代码：
if somethingcrazy_happened: uhOhBetterDoSomething()else: doWhatWeNormallyDo()
而
doWhatWeNormallyDo()将抛出如果有什么疯狂的事例外，那么这将是更快的这样的安排你的代码：
try: doWhatWeNormallyDo()except SomethingCrazy: uhOhBetterDoSomething()
为什么？很好，口译员可以直接潜入并开始做您通常的工作；在第一种情况下， 每次 执行if语句 时
，解释器都必须查找一个符号，因为该名称可能引用自上次执行该语句以来的其他内容！（和名称查找，特别是如果
somethingcrazy_happened是
global可以的话）。
你是说谁？
由于名称查找的开销，最好在函数中缓存全局值，然后将简单的布尔测试烘烤到这样的函数中：
未优化的功能：
def foo(): if condition_that_rarely_changes: doSomething() else: doSomethingElse()
优化的方法而不是使用变量，而是利用了解释器始终在函数上进行名称查找的事实！
条件成立时：
foo = doSomething # now foo() calls doSomething()
当条件变为假时：
foo = doSomethingElse # now foo() calls doSomethingElse()
y
PyPy是用python编写的python实现。当然，这意味着它将无限慢地运行代码吗？好吧，不。PyPy实际上使用即时编译器（JIT）运行python程序。
如果您不使用任何外部库（或者您使用的外部库与PyPy兼容），则这是一种（几乎可以肯定）加快程序中重复任务的极其简便的方法。
基本上，JIT可以生成代码，将做什么Python解释器会，但 多 快，因为它是一个单一的情况下产生的，而不是来处理每一个可能的法律Python表达式。
接下来看哪里
当然，您应该首先考虑的是改进算法和数据结构，并考虑诸如缓存之类的事情，或者甚至是否首先需要做很多事情，但是无论如何：
python.org Wiki的此页面提供了许多有关如何加快python代码速度的信息，尽管其中有些过时了。
这是BDFL自己关于优化循环的主题。
即使我从有限的经验中也错过了很多东西，但是这个答案已经足够长了！
这一切都是基于我最近对某些python代码的经验，这些代码 还不够快
，我想再次强调一点，我真的不认为我建议的任何内容实际上是一个好主意，有时但是，您必须…
