Question

所以我有一个相当普遍的问题，我希望得到一些帮助。我整理了一个Python程序，该程序贯穿并自动化州级别的工作流程，适用于所有不同的县。整个计划是为学校的研究而创建的 - 而不是实际的国家工作。无论如何，我有两个设计如下所示。第一个是更新版本。运行大约需要40分钟。第二个设计展示了原创作品。请注意，它不是一个结构良好的设计。但是，运行整个程序大约需要五分钟。任何人都可以提供任何见解，为什么两者之间存在这样的差异？更新版本仍然是理想的，因为它更可重用（可以运行并抓取网址中的任何数据集）并且易于理解。此外，完成大约100个工作流程的40分钟仍然是一个加分。此外，这仍然是一项正在进行的工作。一些小问题仍然需要在代码中解决，但它仍然是一个非常酷的程序。

更新设计

import os, sys, urllib2, urllib, zipfile, arcpy
from arcpy import env

response = urllib2.urlopen('path2URL')
path1 = 'path2URL'
myCount = 1
for each in response:
    eachNew = each.split("  ")
    myCount+=1
    response1 = urllib2.urlopen(path1 + eachNew[9])
    for all1 in response1:
        #print all1
        allNew = all1.split(",")
        allFinal = allNew[0].split(" ")
        allFinal1 = allFinal[len(allFinal)-1].strip(" ")
        if allFinal1[-10:-2] == "poly.ZIP":
            response2 = urllib2.urlopen('path2URL')
            zipcontent= response2.readlines()
            path8 = 'path2URL'+ eachNew[9][0:len(eachNew[9])-2] +"/"+ allFinal1[0:len(allFinal1)-2]
            downZip = str(eachNew[9][0:len(eachNew[9])-2])+ ".zip"
            urllib.urlretrieve (path8,  downZip)






# Set the path to the directory where your zipped folders reside
zipfilepath = 'F:\Misc\presentation'
# Set the path to where you want the extracted data to reside
extractiondir = 'F:\Misc\presentation\counties'
# List all data in the main directory
zp1 = os.listdir(zipfilepath)
# Creates a loop which gives use each zipped folder automatically
# Concatinates zipped folder to original directory in variable done
for each in zp1:
    print each[-4:]
    if each[-4:] == ".zip":
        done = zipfilepath + "\\" + each
        zip1 = zipfile.ZipFile(done)
        extractiondir1 = extractiondir + "\\" + each[:-4]
        zip1.extractall(extractiondir1)



path = os.getcwd()
counter1 = 1

# get the data frames


# Create new layer for all files to be added to map document


env.workspace = "E:\\Misc\\presentation\\symbology\\"
zp1 = os.listdir(path + "\\counties\\")
for each in zp1:
    zp2 = os.listdir(path + "\\counties\\" + each)
    for eachNew in zp2:
        if eachNew[-4:] == ".shp":
            wetlandMap = arcpy.mapping.MapDocument('E:\\Misc\\presentation\\wetland.mxd')
            df1 = arcpy.mapping.ListDataFrames(wetlandMap,"*")[0]
            #print eachNew[-4:]
            wetland = arcpy.mapping.Layer(path + "\\counties\\" + each + "\\" + eachNew)
            #arcpy.Clip_analysis(path + "\\symbology\\Stream_order.shp", wetland, path + "\\counties\\" + each + "\\Streams.shp")
            streams = arcpy.mapping.Layer(path + "\\symbology\\Stream_order.shp")
            arcpy.ApplySymbologyFromLayer_management(wetland, path + '\\symbology\\wetland.lyr')
            arcpy.ApplySymbologyFromLayer_management(streams, path+ '\\symbology\\streams.lyr')
            # Assign legend variable for map
            legend = arcpy.mapping.ListLayoutElements(wetlandMap, "LEGEND_ELEMENT", "Legend")[0]
            # add the layers to map and assign if they should appear in legend
            legend.autoAdd = True
            arcpy.mapping.AddLayer(df1, streams,"TOP")
            legend.autoAdd = True
            arcpy.mapping.AddLayer(df1, wetland,"AUTO_ARRANGE")

            df1.extent = wetland.getExtent(True)
            # Export the map to a pdf
            arcpy.mapping.ExportToJPEG(wetlandMap, path + "\\counties\\" + each + "\\wetland.jpg")
            # Save map document to path
            wetlandMap.saveACopy(path + "\\counties\\" + each + "\\wetland.mxd")
            del wetlandMap

            print "done with map " + str(counter1)
            counter1+=1

原创设计

 <%= form_for(@post, format: :json) do |f| %>

    ----

Answer 1

查看本指南：

https://wiki.python.org/moin/PythonSpeed/PerformanceTips

让我引用一下：

Python中的函数调用开销相对较高，特别是与内置函数的执行速度相比。这有力地表明，在适当的情况下，函数应该处理数据聚合。

如此有效地表明，不将某些东西视为一种将被称为数十万次的函数。

在Python中，函数不会被内联，并且调用它们并不便宜。如果有疑问，请使用分析器查看每个函数调用的次数，以及平均需要多长时间。然后优化。

你可能也会给PyPy一个镜头，因为它们内置了一些优化。在某些情况下减少函数调用开销似乎是其中之一：

使用函数时为什么Python程序执行会变慢？

1 个答案: