Python Eficaz

extremamente lentos (acesso a atributos, chamadas a funções). A origem desses
gargalos em um programa em Python pode ser um tanto obscura.
A melhor técnica aqui é ignorar sua intuição e medir diretamente o desempenho
de um programa antes de tentar otimizá-lo. O Python oferece um recurso nativo
chamado de profiler (traçador de perfil) para determinar que partes de um
programa são responsáveis por sua execução. Isso permite que concentremos os
esforços de otimização nas maiores fontes de problemas e ignoremos as partes
do programa que não causam impacto na velocidade de execução.
Por exemplo, digamos que se queira determinar por que um algoritmo em seu
programa é lento. No exemplo a seguir, definimos uma função que classifique a
uma lista de dados usando um algoritmo de ordenação por inserção:
def insertion_sort(data):
result = []
for value in data:
insert_value(result, value)
return result
O mecanismo central da ordenação por inserção é a função que encontra o ponto
de inserção de cada item dos dados. No exemplo a seguir, definimos uma versão
extremamente ineficiente da função insert_value, que faz uma varredura linear
sobre um array de entrada:
def insert_value(array, value):
for i, existing in enumerate(array):
if existing > value:
array.insert(i, value)
return
array.append(value)
Para traçar o perfil de insertion_sort e insert_value, criamos um conjunto de
dados de números aleatórios e definimos uma função chamada test, que
passamos ao profiler.
from random import randint
max_size = 10**4
data = [randint(0, max_size) for _ in range(max_size)]
www.full-ebook.com