Python高性能编程(第2版)电子书

内容提要

O'Reilly Media，Inc.介绍

业界评论

前 言

适合的读者

不适合的读者

涵盖的内容

Python 3

从Python 2.7升级到Python 3

许可

保留署名

勘误和反馈

排版约定

使用示例代码

致谢

服务与支持

第1章 理解高性能Python

1.1 基本的计算机系统

1.2 综合考虑

1.3 为何使用Python

1.4 如何成为高性能程序员

第2章 通过剖析找出瓶颈

2.1 高效地剖析

2.2 朱利亚集合简介

2.3 计算整个朱利亚集合

2.4 简单计时方法——print语句和装饰器

2.5 使用UNIX命令time的简单计时

2.6 使用模块cProfile

2.7 使用SnakeViz可视化cProfile的输出

2.8 使用line_profiler逐行剖析

2.9 使用memory_profiler诊断内存占用情况

2.10 使用PySpy查看既有进程

2.11 字节码：幕后发生的情况

2.12 优化期间使用单元测试确保代码正确

2.13 确保代码剖析成功的策略

2.14 小结

第3章 列表和元组

3.1 更高效的查找方式

3.2 比较列表和元组

3.3 小结

第4章 字典和集合

4.1 字典和集合的工作原理

4.2 字典和名称空间

4.3 小结

第5章 迭代器和生成器

5.1 无穷数列迭代器

5.2 延迟执行生成器

5.3 小结

第6章 矩阵和向量计算

6.1 问题简介

6.2 Python列表不够好吗

6.3 内存碎片

6.4 使用numpy解决扩散问题

6.5 numexpr：让你能够更快、更轻松地执行就地操作

6.6 警示故事：对优化进行验证（scipy）

6.7 从矩阵优化获得的经验教训

6.8 Pandas

6.9 小结

第7章 编译成C代码

7.1 速度提升方法

7.2 JIT编译器和AOT编译器

7.3 为何类型信息有助于提高代码运行速度

7.4 使用C语言编译器

7.5 回顾朱利亚集合示例

7.6 Cython

7.7 pyximport

7.8 Cython和numpy

7.9 Numba

7.10 PyPy

7.11 速度提升小结

7.12 各种技术的适用场景

7.13 图形处理单元

7.14 语言交互接口

7.15 小结

第8章 异步I/O

8.1 异步编程简介

8.2 async/await的工作原理

8.3 兼具CPU密集型和I/O密集型的问题

8.4 小结

第9章 模块multiprocessing

9.1 模块multiprocessing概述

9.2 使用蒙特卡罗方法估算圆周率

9.3 使用进程和线程估算圆周率

9.4 查找素数

9.5 使用进程间通信验证素数

9.6 使用multiprocessing共享numpy数据

9.7 同步文件和变量访问

9.8 小结

第10章 集群和作业队列

10.1 集群的优点

10.2 集群的缺点

10.3 常见的集群设计

10.4 如何启动集群解决方案

10.5 使用集群时如何避免麻烦

10.6 两种集群解决方案

10.7 使用NSQ打造健壮的生产集群

10.8 其他集群工具

10.9 Docker

10.10 小结

第11章 减少内存占用量

11.1 基本类型对象的开销很高

11.2 理解集合占用的内存

11.3 比较字节和Unicode

11.4 在内存中高效地存储大量文本

11.5 使用scikit-learn FeatureHasher进行文本建模

11.6 DictVectorizer和FeatureHasher简介

11.7 SciPy稀疏矩阵

11.8 减少内存占用量的技巧

11.9 概率数据结构

第12章 实战经验教训

12.1 使用特征引擎简化特征工程流水线

12.2 表现出色的数据科学团队

12.3 Numba

12.4 优化和思维

12.5 Adaptive Lab的社交媒体分析（2014）

12.6 RadimRehurek网站如何让深度学习快步如飞（2014）

12.7 Lyst网站可用于生产环境的大规模机器学习（2014）

12.8 Smesh的大规模社交媒体分析（2014）

12.9 使用PyPy成功地实现Web和数据处理系统（2014）

12.10 Lanyrd的任务队列（2014）

作者简介

封面介绍