cProfile 是定位 Python 性能瓶颈的首选工具，应优先使用而非凭直觉优化；真实瓶颈多在 I/O、重复计算或低效数据结构，需结合 cumulative 和 ncalls 分析，避免误判。
先看 cProfile，别猜热点在哪
90% 的性能问题根本不在你怀疑的地方。Python 里最常犯的错，是凭直觉改代码——比如把列表推导换成 map，结果发现慢了 20%。真实瓶颈往往藏在 I/O、重复计算或低效数据结构里。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
python -m cProfile -s cumulative your_script.py跑一次，重点关注cumulative列（总耗时）和ncalls（调用次数），不是tottime - 避免只看顶层函数：
requests.get耗时高？可能是 DNS 解析、SSL 握手，或是下游服务响应慢，不是 Python 本身的问题 - 如果脚本启动慢，加
-m cProfile会干扰结果，改用import cProfile; cProfile.run('main()', sort='cumulative')精确包裹主逻辑
list.append 比预分配快？看场景
很多人听说“预分配列表更快”，就给 result = [None] * n，结果反而变慢。这取决于你是否知道最终长度、是否频繁访问中间索引、以及元素类型是否统一。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 不知道长度？坚持用
append。CPython 对list.append做了高度优化，扩容策略是乘数增长（~1.125x），均摊 O(1) - 已知长度且全是数字？考虑
array.array('d', [0.0] * n)或numpy.empty(n)，内存更紧凑，迭代更快 - 预分配后用
result[i] = x写入，但后续又切片或pop()？那预分配没意义，还浪费内存
字符串拼接用 ''.join()，但别机械套用
看到“+”就换 join 是常见误区。Python 3.12 已对短链式 + 做了优化，少量字符串拼接反而更简洁安全。
SkillSub Pro - Python 题解与代码注释双功能技能功能概述SkillSub Pro - Python 题解与代码注释双功能技能是一项面向实际任务的技能，主要用于SkillSub Pro 是一个 Python 题解生成与代码注释的 双功能合体技能 ，专为学生、算法学习者和开发者设计；✅ 一个技能，两种用途 ：；核心要点📝 题解模式 ：输入题目/题号，自动生成完整 Python 题解（含详细注释、解题思路、复杂度分析）；💬 注释模式 ：输入 Python 代码，自动添加详细中。它将相关步骤、
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 拼接 2–3 个变量？用
f"{a}{b}{c}"或a + b + c都行，可读性优先 - 循环内不断拼接？必须改：
parts.append(x)然后最后''.join(parts)。否则每次+=都新建字符串对象 - 涉及大量格式化（如日志、HTML 生成）？用
string.Template或jinja2，比反复join+format更可控
__slots__ 能省内存，但不提速
有人加了 __slots__ 就以为属性访问变快了，其实提升微乎其微（纳秒级），主要价值是防止动态绑定和减少每个实例的内存占用。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 类实例成千上万（如解析 CSV 后的每行对象）？加
__slots__可省 30%–50% 内存，尤其当属性少、实例多时 - 用了
@property或需要__dict__（比如用dataclasses.asdict()）？别加__slots__，否则报AttributeError - 继承自内置类型（如
list、dict）？不能加__slots__，会触发TypeError
实际调优时，最容易被忽略的是「问题边界」：你优化的是单次运行、还是高频服务？是 CPU-bound 还是 I/O-bound？不先确认这点，所有 cProfile 数据、所有 <strong>slots</strong> 和 join 改动，都只是在替别人的问题加班。
