Python是一种通用型编程语言，其语法清晰简洁、标准库强大，还有大量的第三方库，因而近几年人气急剧上升，在很多领域都得到了广泛应用。 本书是一本Python性能提升指南，展示了如何利用Python的原生库以及丰富的第三方库来构建健壮的应用程序。书中阐释了如何利用各种剖析器来找出Python应用程序的性能瓶颈，并应用正确的算法和高效的数据结构来解决它们；介绍了如何有效地利用NumPy、Pandas和Cython高性能地执行数值计算；解释了异步编程的相关概念，以及如何利用响应式编程实现响应式应用程序；概述了并行编程的概念，并论述了如何利用TensorFlow和Theano为并行架构编写代码，以及如何通过Dask和PySpark等技术在计算机集群上执行大规模计算。
售 价：¥
纸质售价：¥43.90购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
前言
涵盖的内容
需要什么
为谁而写
排版约定
读者反馈
客户支持
下载示例代码
勘误
打击盗版
问题
电子书
致谢
第1章 基准测试与剖析
1.1 设计应用程序
1.2 编写测试和基准测试程序
1.3 使用pytest-benchmark编写更佳的测试和基准测试程序
1.4 使用cProfile找出瓶颈
1.5 使用line_profiler逐行进行剖析
1.6 优化代码
1.7 模块dis
1.8 使用memory_profiler剖析内存使用情况
1.9 小结
第2章 纯粹的Python优化
2.1 有用的算法和数据结构
2.2 缓存和memoization
2.3 推导和生成器
2.4 小结
第3章 使用NumPy和Pandas快速执行数组操作
3.1 NumPy基础
3.2 使用NumPy重写粒子模拟器
3.3 使用numexpr最大限度地提高性能
3.4 Pandas
3.5 小结
第4章 使用Cython获得C语言性能
4.1 编译Cython扩展
4.2 添加静态类型
4.3 共享声明
4.4 使用数组
4.5 使用Cython编写粒子模拟器
4.6 剖析Cython代码
4.7 在Jupyter中使用Cython
4.8 小结
第5章 探索编译器
5.1 Numba
5.2 PyPy项目
5.3 其他有趣的项目
5.4 小结
第6章 实现并发性
6.1 异步编程
6.2 asyncio框架
6.3 响应式编程
6.4 小结
第7章 并行处理
7.1 并行编程简介
7.2 使用多个进程
7.3 使用OpenMP编写并行的Cython代码
7.4 并行自动化
7.5 小结
第8章 分布式处理
8.1 分布式计算简介
8.2 Dask
8.3 使用PySpark
8.4 使用mpi4py执行科学计算
8.5 小结
第9章 高性能设计
9.1 选择合适的策略
9.2 组织代码
9.3 隔离、虚拟环境和容器
9.4 持续集成
9.5 小结
看完了
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
