让 Python 起飞的 24 个骚操作![color=rgba(0, 0, 0, 0.3)]以下文章来源于算法美食屋[color=rgba(0, 0, 0, 0.3)] [color=rgba(0, 0, 0, 0.3)],作者梁云1991
[color=rgba(0, 0, 0, 0.3)]一、分析代码运行时间第1式:测算代码运行时间平凡方法快捷方法(jupyter环境)
第2式:测算代码多次运行平均时间平凡方法快捷方法(jupyter环境)
第3式:按调用函数分析代码运行时间平凡方法快捷方法(jupyter环境)
第4式:按行分析代码运行时间平凡方法快捷方法(jupyter环境)二、加速你的查找第5式:用set而非list进行查找低速方法高速方法
第6式:用dict而非两个list进行匹配查找低速方法高速方法三、加速你的循环第7式:优先使用for循环而不是while循环低速方法高速方法
第8式:在循环体中避免重复计算低速方法高速方法四、加速你的函数第9式:用循环机制代替递归函数低速方法高速方法
第10式:用缓存机制加速递归函数低速方法高速方法
第11式:用numba加速Python函数低速方法高速方法五、使用标准库函数进行加速第12式:使用collections.Counter加速计数低速方法高速方法
第13式:使用collections.ChainMap加速字典合并低速方法
高速方法
六,使用numpy向量化进行加速第14式:使用np.array代替list低速方法高速方法
第15式:使用np.ufunc代替math.func低速方法高速方法
第16式:使用np.where代替if低速方法
高速方法
七、加速你的Pandas第17式:使用np.ufunc函数代替applymap低速方法高速方法第18式:使用预分配存储代替动态扩容低速方法高速方法
第19式:使用csv文件读写代替excel文件读写低速方法
高速方法
第20式:使用pandas多进程工具pandarallel
低速方法
高速方法八、使用Dask进行加速第21式:使用dask加速dataframe低速方法高速方法第22式:使用dask.delayed进行加速低速方法高速方法九、应用多线程多进程加速第23式:应用多线程加速IO密集型任务低速方法
高速方法第24式:应用多进程加速CPU密集型任务低速方法高速方法