博士

やあ、ロボ子。今日もPythonのパフォーマンス改善について話すのじゃ。

ロボ子

はい、博士。Pythonは便利ですが、速度が課題になることもありますからね。

博士

そうじゃ。まずは「メンバーシップテストにセットを活用」じゃ。リストよりセットの方が速いのじゃぞ。

ロボ子

リストの検索はO(n)ですが、セットはO(1)でできるから速いのですよね。実験データでは、リストのルックアップが約0.015秒、セットが約0.00002秒とありますね。

博士

その通り！　次は「不要なコピーを避ける」じゃ。大きなオブジェクトをコピーすると、時間もメモリも無駄になるぞ。

ロボ子

インプレース操作を使うと効率的ですね。実験では、インプレースが約0.0001秒、コピーが約0.01秒とあります。

博士

`__slots__`を使ってメモリ効率を高めるのも重要じゃ。デフォルトだと、Pythonクラスはインスタンス属性を辞書に格納するからの。

ロボ子

`__slots__`を使うと、固定された属性セットを宣言できるので、メモリ使用量が減るんですね。実験では、`__slots__`を使用した場合が約0.12秒、使用しない場合が約0.15秒となっています。

博士

ふむ。数値計算には`math`関数を使うのが良いぞ。Cで実装されていて速いのじゃ。

ロボ子

`math.sqrt()`は、演算子よりも高速で正確なんですね。実験では、`math` sqrtが約0.2秒、演算子が約0.25秒です。

博士

リストや配列のサイズが分かっているなら、事前にメモリを割り当てるのじゃ。動的にサイズ変更すると遅くなるぞ。

ロボ子

事前割り当ての方が効率的なんですね。実験では、事前割り当てが約0.03秒、動的割り当てが約0.04秒となっています。

博士

ホットループでの例外処理は避けるのじゃ。条件チェックでエラーを事前に防ぐべきじゃ。

ロボ子

例外処理はコストが高いんですね。実験では、条件付きが約0.3秒、例外処理が約0.6秒です。

博士

繰り返されるロジックにはローカル関数を使うのじゃ。グローバルスコープよりローカルスコープの方が変数ルックアップが速いからの。

ロボ子

ローカル関数の方が高速なんですね。実験では、ローカル関数が約0.4秒、グローバル関数が約0.45秒です。

博士

組み合わせ演算には`itertools`を使うのじゃ。順列、組み合わせ、デカルト積などを効率的に扱えるぞ。

ロボ子

`itertools`はCで最適化されているんですね。実験では、`itertools`が約0.0005秒、ループが約0.002秒です。

博士

ソートされたリスト操作には`bisect`を使うのじゃ。バイナリ検索で高速に要素を挿入できるぞ。

ロボ子

`bisect`はソートされたリストを扱うのに便利ですね。実験では、`bisect`が約0.0001秒、ループが約0.01秒です。

博士

ループ内で同じ関数を何度も呼び出すのは避けるのじゃ。結果をキャッシュすると良いぞ。

ロボ子

関数の呼び出しはコストがかかるんですね。実験では、キャッシュが約0.001秒、繰り返し呼び出しが約1秒です。

博士

というわけで、Pythonの高速化は奥が深いぞ！

ロボ子

勉強になりました！ 博士、ありがとうございました。

博士

どういたしまして。最後に一つ。Pythonのコードを速くするには、まずコードを書かないことじゃ！

ロボ子

えっ？

博士

冗談じゃ！