Python高性能编程

Python语言是一种脚本 语言，其应用领域非常广泛 ，包括数据分析、自然语言 处理、机器学习、科学计算 、推荐系统构建等。 本书共有12章，围绕如 何进行代码优化和加快实际 应用的运行速度进行详细讲 解。本书主要包含以下主题 ：计算机内部结构的背景知 识、列表和元组、字典和集 合、迭代器和生成器、矩阵 和矢量计算、并发、集群和 工作队列等。最后，通过一 系列真实案例展现了在应用 场景中需要注意的问题。 本书适合初级和中级 Python程序员、有一定 Python语言基础想要得到进 阶和提高的读者阅读。

Ian Ozsvald是一名数据科学家，他在Modellnsight.io执教，具有十年以上的Python经验。他在PyCon和PyData会议上讲述过Python高性能编程，在英国多年来提供数据科学和高性能计算的咨询。

第1章 理解高性能Python 1.1 基本的计算机系统 1.1.1 计算单元 1.1.2 存储单元 1.1.3 通信层 1.2 将基本的元素组装到一起 1.3 为什么使用Python 第2章 通过性能分析找到瓶颈 2.1 高效地分析性能 2.2 Julia集合的介绍 2.3 计算完整的Julia集合 2.4 计时的简单方法——打印和修饰 2.5 用UNIX的time命令进行简单的计时 2.6 使用cProfile模块 2.7 用runsnakerun对cProfile的输出进行可视化 2.8 用line_profiler进行逐行分析 2.9 用memory_profiler诊断内存的用量 2.10 用heapy调查堆上的对象 2.11 用dowser实时画出变量的实例 2.12 用dis模块检查CPython字节码 2.13 在优化期间进行单元测试保持代码的正确性 2.14 确保性能分析成功的策略 2.15 小结 第3章 列表和元组 3.1 一个更有效的搜索 3.2 列表和元组 3.2.1 动态数组：列表 3.2.2 静态数组：元组 3.3 小结 第4章 字典和集合 4.1 字典和集合如何工作 4.1.1 插入和获取 4.1.2 删除 4.1.3 改变大小 4.1.4 散列函数和熵 4.2 字典和命名空间 4.3 小结 第5章 迭代器和生成器 5.1 无穷数列的迭代器 5.2 生成器的延迟估值 5.3 小结 第6章 矩阵和矢量计算 6.1 问题介绍 6.2 Python列表还不够吗 6.3 内存碎片 6.3.1 理解perf 6.3.2 根据perf输出做出抉择 6.3.3 使用numpy 6.4 用numpy解决扩散问题 6.4.1 内存分配和就地操作