11 เคล็ดลับเพิ่มประสิทธิภาพโค้ด Python ให้รวดเร็วขึ้น

แม้ Python จะไม่เร็วเท่าภาษา compiled อื่นๆ แต่บริษัทใหญ่หลายแห่งพิสูจน์ว่า Python จัดการ workload ใหญ่ได้ดี ในบทความนี้จะนำเสนอ 11 เทคนิคเพื่อให้โค้ด Python ทำงานเร็วขึ้นและมีประสิทธิภาพมากขึ้น

เคล็ดลับที่ 1: ใช้ Built-in Functions

Built-in functions เขียนด้วย C ทำให้เร็วกว่าการเขียนเองมาก ใช้ len(), sum(), max(), min(), sorted() แทนการเขียนลูปเอง

เคล็ดลับที่ 2: ใช้ Multiple Assignment สำหรับสลับค่า

# ช้า - ใช้ตัวแปรชั่วคราว
temp = x
x = y
y = temp

# เร็ว - Python multiple assignment
x, y = y, x

เคล็ดลับที่ 3: หลีกเลี่ยง Global Variables

Python เข้าถึง local variables เร็วกว่า global variables มาก ควรใช้ local variables ในฟังก์ชันให้มากที่สุด

เคล็ดลับที่ 4: ใช้คีย์เวิร์ด "in" สำหรับตรวจสอบสมาชิก

# ใช้ in - เร็วและอ่านง่าย
for key in sequence:
    print("Hello", key)

# หลีกเลี่ยงการใช้ index หรือ range(len())

เคล็ดลับที่ 5: ใช้ "while 1" สำหรับ Infinite Loop

# เร็วกว่าเล็กน้อย (single jump operation)
while 1:
    # do something

# ช้ากว่า
while True:
    # do something

เคล็ดลับที่ 6: ใช้ List Comprehension

List comprehension เร็วกว่าลูป for/while ธรรมดา เพราะ interpreter optimize ได้ดีกว่า

# ดี - List comprehension
evens = [i for i in range(25) if i % 2 == 0]

# ไม่ค่อยดี - while loop
i = 0
evens = []
while i < 25:
    if i % 2 == 0:
        evens.append(i)
    i += 1

เคล็ดลับที่ 7: ใช้ Generators สำหรับค่าแบบ On-Demand

Generators ประหยัดหน่วยความจำ เพราะสร้างค่าทีละอันเมื่อต้องการ (lazy evaluation)

# Generator expression
chunk_bytes = (1000 * i for i in range(1000))
next(chunk_bytes)  # 0
next(chunk_bytes)  # 1000
next(chunk_bytes)  # 2000

เคล็ดลับที่ 8: ใช้โมดูล itertools

itertools มีฟังก์ชันสำหรับ iteration และ combination ที่มีประสิทธิภาพสูง

import itertools
list(itertools.permutations([1, 2, 3, 4]))
# สร้าง permutations ทั้งหมด 24 แบบ

เคล็ดลับที่ 9: ใช้โมดูล bisect สำหรับรายการที่เรียงลำดับ

bisect.insort() ทำ binary search และ insert พร้อมกัน รักษาลำดับการเรียงได้โดยไม่ต้อง sort() ใหม่

import bisect
bisect.insort(sorted_list, new_element)

เคล็ดลับที่ 10: ใช้ Dictionary และ Set สำหรับ Membership Test

Dictionary และ Set ใช้ hash table → lookup O(1) เร็วกว่ารายการ (list) ที่เป็น O(n)

lst = ['a', 'ab', 'abc']      # ช้า O(n)
'abc' in lst

my_set = {'a', 'ab', 'abc'}    # เร็ว O(1)
'abc' in my_set

เคล็ดลับที่ 11: Cache ผลลัพธ์ด้วย Decorator (Memoization)

ใช้ functools.lru_cache หรือสร้าง decorator เองเพื่อจดจำผลลัพธ์

from functools import lru_cache

@lru_cache(maxsize=None)
def fib(n):
    if n < 2:
        return 1
    return fib(n-1) + fib(n-2)

# เรียก fib(100) เร็วมาก เพราะ cache ผลลัพธ์ไว้

สรุป

การนำเทคนิคเหล่านี้ไปใช้จะช่วยให้โค้ด Python ของคุณทำงานเร็วขึ้น ลดการใช้หน่วยความจำ และอ่านง่ายขึ้น