PyInstaller编译Python代码后性能下降，求Python性能优化方案

你编写的测试脚本如下：

#!/usr/bin/python3
import time
start_time = time.time()
c = 0
while c<10000000:
        c=c+1
print(time.time()-start_time)

直接运行耗时0.49-0.55秒，PyInstaller打包后运行耗时0.6-0.65秒，这个结果完全正常——你对PyInstaller的定位判断是准确的：它从来不是用于提升代码运行性能的工具。

PyInstaller的核心作用 #

PyInstaller的价值集中在部署和源码保护：

• 它将Python脚本、依赖库及Python解释器打包成独立可执行文件，让用户无需安装Python环境就能运行程序；
• 打包后的代码会转为字节码或压缩格式，能一定程度上防止源码被直接查看。

打包后的程序运行更慢，是因为启动时需要先解压内置的解释器和依赖，多了额外的启动开销，而程序运行逻辑和原脚本完全一致，并没有被编译为机器码，所以性能不会提升，反而可能下降。

提升Python代码性能的实用方法 #

如果想提升Python代码的运行速度，可以试试这些方法：

• 换用PyPy解释器：PyPy自带JIT即时编译，对循环密集型代码（比如你的计数循环）优化效果极强，运行速度能接近C语言水平，直接用PyPy运行你的测试脚本，耗时会大幅降低。
• 用C/Cython优化瓶颈代码：把循环多、计算量大的核心代码用C重写，或者用Cython给Python代码添加静态类型声明，编译成扩展模块后运行，性能会有质的提升。
• 优化Python代码写法：
  • 用内置函数替代手写循环，比如用sum(range(10000001))代替手动计数，内置函数是C实现的，速度更快；
  • 用列表推导式、生成器表达式代替普通for循环+append操作；
  • 避免在循环内重复执行相同的函数调用或属性访问，把这些操作移到循环外。
• 使用高性能库：数值计算场景用NumPy/Pandas，科学计算用SciPy，这些库的核心逻辑都是C实现的，比纯Python高效得多。
• 并行化处理：CPU密集型任务用多进程（绕过GIL），IO密集型任务用多线程或异步IO（asyncio），充分利用硬件资源。

内容的提问来源于stack exchange，提问作者Marco Montevechi Filho