如何优化我的代码效率，以加快大型数据文件提取程序？

Question

我目前正在从事一个数据科学项目，我正在努力提高代码效率，以便我的代码能够以更快的速度运行，从而能够通过大量的样本数据。我已经提供了一段代码，我希望评论。你知道吗

目前，为了尝试优化我的代码，我研究了numpy数组，循环，列表理解，在合适的地方我尝试实现它们。然而，由于我的基本编码背景，我需要帮助看到其他可能的方法来加快我的代码。你知道吗

chromosomefragmentlist=[]
Number_of_fragments=150
ChromosomeNumber=1
FragmentSize=1000000
for i in range(0, (Number_of_fragments), 1):
    a = ("Chromosome" + str(ChromosomeNumber) + "Fragment" + str(i) + ",Basepairs " + 
         str(i * FragmentSize + 1) + "-" + str(i * FragmentSize + FragmentSize))
    chromosomefragmentlist.append(str(Dict.get((a))))
return(chromosomefragmentlist)

如何提高效率？这段代码将导致一个列表，我更感兴趣的是使它运行得更快。你知道吗

Answer 1

这段代码不能被“增强”，因为无论如何你必须在范围内迭代并从dict中获取值。小的加速你可以用列表理解来实现，但是这并不重要。你知道吗

我建议您阅读PEP8，并使用推荐的编码风格。将其应用于当前代码时，应重命名变量：

• ChromosomeNumber->；chromosome_num。你知道吗

  Variable names should be lowercase, with words separated by underscores as necessary to improve readability

• FragmentSize->；fragment_size；

• Number_of_fragments->；fragments_len（len是length的缩短变体）
• Dict->；some_dict（应该用适当的关键字替换一些；还应该避免用python内置类型、函数、模块等的名称命名变量）
• chromosomefragmentlist->；chromosomes。你知道吗

其他建议：

• range(0, (Number_of_fragments), 1)等价于range(Number_of_fragments)（docs）
• 最好使用string formatting而不是字符串连接
• 如果您不需要在键不存在时返回默认值，那么使用some_dict[key]语法而不是^{}方法更为常见。你知道吗

使用所有建议，您将得到下一个代码：

fmt = "Chromosome{}Fragment{},Basepairs {}-{}"
return [some_dict[fmt.format(chromosome_num, i, i * fragment_size + 1, i * fragment_size + fragment_size)]
        for i in range(fragments_len)]