一个脚本跑十分钟你骂Python慢。换成C重写三天后跑八分钟。问题不在语言在你没看见的那些细节。韩愈说“业精于勤荒于嬉”性能优化也一样勤在细处荒在粗心。真正拖慢代码的往往不是算法而是你习以为常的写法。循环里的重复计算像慢性失血for i in range(len(data))每次迭代都调一次len()len()是O(1)但属性查找和函数调用有开销。更隐蔽的是循环里访问全局变量、模块属性。Python的局部变量查找比全局快数倍。把len(data)、self.value、math.sqrt提到循环外速度立刻不同。微小的开销乘以百万次就是灾难。老子说“天下大事必作于细”循环里的每一纳秒都在偷走你的时间。这不是过早优化这是基本尊重——尊重解释器的工作原理。列表还是生成器别一刀切生成器省内存但未必更快。sum(x for x in data)比sum([x for x in data])省内存可列表推导式在C层执行有时反而更快。数据量小列表推导式胜出数据量大到内存吃紧生成器才是救星。工具没有优劣场景决定一切。谚语说“杀鸡焉用牛刀”反过来宰牛也不能用水果刀。盲目用生成器可能换来更慢的迭代和更复杂的调试。先测量再选择。字符串拼接号是温柔陷阱循环里s str(i)每次创建新字符串旧字符串被丢弃。百万次拼接内存分配和复制让你怀疑人生。.join(parts)一次性分配快得不是一星半点。更大量用io.StringIO。字符串不可变每次加号都在重建世界。这道理像滚雪球越滚越大最后压垮性能。别让拼接成为你的瓶颈用join用f-string用格式化别用加号堆长城。内置函数是C写的别用Python重造轮子sum、min、max、any、all、map、filter这些内置函数在C层循环比你手写for快得多。有人用for累加有人用reduce可sum才是最短路径。你写的Python循环每步都在和解释器握手内置函数直接跑在C里连招呼都不打。《论语》说“工欲善其事必先利其器”内置函数就是现成的利器。别为了炫技写复杂逻辑简单直接往往最快。缓存是时间的复利递归算斐波那契不缓存就是指数爆炸。functools.lru_cache一行装饰器把重复计算变成字典查找。动态规划的本质就是缓存可很多人只在面试时想起。缓存不是优化是常识。同样的参数反复调用纯函数就该记住结果。巴菲特说复利是世界第八大奇迹缓存在代码里就是复利的化身。但注意带副作用的函数别乱缓存否则脏数据让你哭都来不及。GIL不是借口选对并发模型CPU密集任务多线程被GIL锁死换多进程。IO密集任务异步或多线程都能打。可有人不管什么场景上来就threading结果比单线程还慢。GIL是限制不是判决书。进程间通信有成本异步代码有学习曲线。选型前问自己瓶颈在CPU还是在等待答案不同工具不同。谚语说“一把钥匙开一把锁”别拿锤子看什么都像钉子。数据结构选错代码跑断腿在列表里查一个元素O(n)在集合或字典里查O(1)。一万条数据列表遍历几毫秒集合几乎瞬间。collections模块的deque、defaultdict、Counter都是为特定场景造的轮子。选错容器算法再优雅也白搭。有人用列表当队列pop(0)是O(n)deque.popleft()是O(1)。细节决定成败容器决定快慢。对象创建与__slots__内存的隐形税每个实例默认有__dict__字典开销大。定义__slots__实例变成紧凑数组内存省一半访问还更快。百万个对象差异就是几百兆。看不见的内存看得见的账单。但别滥用__slots__牺牲了动态属性。权衡之后数据类、命名元组、attrs都是选项。性能不是抠门是清醒。性能优化不是玄学是习惯。你忽略的每个细节都在暗中标好了价格。不积跬步无以至千里不省微秒何以谈高效。从今天起把循环里的重复拿出去把该缓存的缓存把该换的容器换掉。Python慢不慢取决于你写得多细。