# [Python] 성능 최적화

## 성능 최적화

---

### 코드 최적화 원리와 기법

- 코드 최적화: 프로그램의 실행 속도를 빠르게 하거나, 메모리 사용량으 줄이는 등 프로그램의 성능을 향상시키기 위해 코드를 변경

- python 11버전: 지속해서 성능 업데이트 (이전 버전에 비해 60% 성능 향상)

- 리스트 대신 집합 사용 가능 → 시간 복잡도를 줄일 수 있다

```javascript
# 리스트를 사용한 경우
def find_duplicates(lst):
    duplicates = []
    for item in lst:
        if lst.count(item) > 1:
            if item not in duplicates:
                duplicates.append(item)
    return duplicates
```

```javascript
# 집합을 사용한 경우
def find_duplicate(lst):
    return list(set([item for item in lst if lst.count(item) > 1]))
```

- numpy 는 python보다 대부분의 경우 속도가 빠르다
- (100000개 이상인 경우 50배 이상의 성능을 보임)

- 메서드 대신 슬라이싱 구현 (메서드보다 통상 8배 정도 빠르다)

- for문 대신 list comprehension을 사용하면 더 빠르다

- 반복문 연산이 있는 재귀는 느리다 → 메모이제이션 기법이나 functools의 lru_cache를 사용

```javascript
from functools improt lru_cache

@lru_cache(maxsize=None)
def fib(num):
    if num == 0:
        return 0
    if num == 1 or num == 2:
        return 1
    else:
        return fib(num-1) + fib(num-2)

fib(50)
```

```javascript
# 메모이제이션을 활용한 피보나치 재귀 풀이
dic = (1:1, 2:1)

def fib_name(n):
    if n in dic:
        return dic(n)
    dic[n] = fib_memo(n-1) + fib_memo(n-2)
    return dic[n]

fib_memo(6)
```

- 필요 없는 계산을 피하려고 노력

- 가능하다면 결과를 캐시하거나 미리 계산해둔다

- 파이썬 내장 함수와 라이브러리를 사용 (대부분 최적화되어 있음)

### 프로파일링 도구 활용

- 프로그램의 성능을 측정하고 분석하는 과정

- Python에서는 `cProfile`모듈을 사용하여 실행 시간을 측정하고 가장 많은 시간을 소모하는 부분을 분석할 수 있다

```javascript
import cProfile

def add(a, b):
    return a + b

def slow_function():
    total = 0
    for i in range(10000):
        total += i
        add(i, 100)
    return total

cProfile.run('slow_function()')
```

For the site tree, see the [root Markdown](https://slashpage.com/yerim-devnote.md).