Question

我在研究中广泛使用Python编程语言，并且有一些出版物需要提交我的代码库。我目前主要进行最近邻类型的数据挖掘。我开始担心编写最好的代码，因为其他人开始使用我的代码。目前，我正在迭代大量目录（~100,000）并使用单个main（）函数顺序调用一系列小函数，每个函数执行一个单独的任务：

import os
# ... other libs

def my_function_A():
    print('my function A')

def my_function_B():
    print('my function B')

def my_function_C():
    print('my function C')

# ... 40 or more such functions

def main():
    my_function_A() # do task a
    my_function_B() # do task b
    my_function_C() # do task c
    # ....
    return result

for dirs in os.listdir(dir_to_iterate_over):
    result = main()
    # iterate over many directories

我的高级主管希望所有功能最多只执行一项任务，但在这里我称之为执行大量任务的主要功能。关于这种方法如何影响整体程序性能（即它对动态堆栈分配有什么影响等）我感兴趣（并且有点担心）。

Answer 1

问题的高级部分：

调用函数执行任务是我们在编程时始终做的事情。这是一种结构化的编程方法。将一个大问题分成更小，更简单的任务。通过解决所有较小的问题来解决这个大问题。

现在，这是解决问题的高级方法，也是在编写解决方案时管理复杂性的一种方法。更简单的任务是高度集中的，几乎是一步到位的块，还是更精细的配方，就像个人选择的编码器一样。使其非常精细，有利于人类的代码可读性（代码维护）以及以小步骤添加功能（再次管理复杂性）。它可能看起来像增加开销，因为你以重复的模式包装非常小的代码块。这是开销，但在这个阶段我们不担心性能，而是代码库的质量（在可读性，可测试性和整体架构方面），顺便说一下，有一个实际工作的解决方案。

问题的低级部分：

接下来，如果您发现您的代码性能不佳（并且您必须量化这是什么），则必须测量或分析代码。

在代码的特定位置插入时间测量值，以查找大部分执行时间的花费，然后尝试更改/优化这些部分。

您对堆栈分配的担忧是非常低级别的问题，请不要将其与整体代码组织等高级问题混在一起。

总结：

首先编写解决方案，稍后再进行优化，并始终通过测量来实现。

作为一个建议性的提示，如果你发现你正在调用几十个函数（以串行方式），试着找到它们之间的相关问题，并尝试通过将一些相关函数分组到模块或类中来对系统进行分区，为代码提供某种空间结构，否则它的结构看起来像一堆（或煎饼），而且在精神上管理也是一件糟糕的事情。

Answer 2

你的高级主管意味着你不能拥有一个主要功能，它可以调用其他一些功能。在这方面，主要功能也“只做一件事”，即调出实际完成该程序实际工作的其他功能。

在性能方面，功能之间的代码委托根本不是您应该关注的问题。实际上，使用非常少的函数编写结构错误的代码将在Python中产生更好的性能，因为函数调用实际上非常昂贵。不过，你应该不这意味着你应该尝试保持低功能的数量。代码到函数（以及类，模块等）的结构应仅由程序的心理模型决定，而不是性能问题。为此，请关注实际“工作”功能中的算法和实现。

从函数

2 个答案: