共计 2365 个字符，预计需要花费 6 分钟才能阅读完成。
这篇文章会提供一些优化代码的工具。会让代码变得更简洁，或者更迅速。
当然这些并不能代替算法设计，然而还是能让 Python 减速很多倍。
其实后面讲算法的文章，也有提到过。比方实用于双向队列的 deque，以及在适合的条件下使用 bisect 和 heapq 来晋升算法的性能。
而且后面也提到过，Python 提供了当今最高级也是最无效的排序算法(list.sort)。
另外还有一个性能多样又迅速的散列表(dict)。而且如果写迭代器封装、功能性代码或者是某种额定扩大的时候，或者 CyToolz 能够用失去。当然在 itertools 和 functools 模块 中，还有很多函数能够带来很高效的代码。
这篇文章次要讲优化单处理器的代码，上面会介绍一些一些高效的函数实现，也有曾经封装好的拓展模块，还包含速度更快的 Python 解释器。
当然多处理器版本的确能大幅提高运行效率。如果想理解多核编程，能够从 multiprocessing 模块开始。而且也能找到十分多的对于分布式计算的第三方工具。这里能够看一下 Python wiki 上的对于 Parallel Processing 的内容。
接下来，会说一些对于 Python 减速工具的选单。
1.NumPy、SciPy、Sage 和 Pandas
先说，NumPy。它的外围是一个多维数字数组的实现。除了这个数据结构之外，还实现了若干个函数和运算符，能够高效地进行数组运算。并且对于被调用的次数进行了精简。它能够被用来进行极其高效的数学运算。
SciPy 和 Sage 都将 NumPy 内置为本身的一部分，同时内置了其余的不同的工具，从而能够用于特定迷信、数学和高性能计算的模块。
Pandas 是一个侧重于数据分析的工具。如果解决大量半结构化数据的时候，可能也会用到 Pandas 相干的工具，比方 Blaze。
2.PyPy、Pyston、Parakeet、Psyco 和 Unladen Swallow
让代码运行的更快，侵入性最小的就是应用实时编译器(JIT 编译)。以前的话咱们能够间接装置 Psyco。装置之后导入 psyco，而后调用 psyco.full()。代码运行速度就能够显著晋升。运行 Python 代码的时候，它能够实时监控程序，会将一部分代码编译为了机器码。
当初好多 Psyco 等加速器的我的项目曾经进行保护了，不过相似的性能在 PyPy 中失去了继承。
PyPy 为了不便剖析、优化和翻译，用 Python 语言将 Python 从新实现了一遍，这样就能够 JIT 编译。而且 PyPy 能够间接将代码翻译成像 C 那样的性能更高的语言。
Unladen Swallow 是一个 Python 的 JIT 编译器。是 Python 解释器的一本版本，被称为底层虚拟机(LLVM)。不过这个开发曾经进行了。
Pyston 是一个与 LLVM 平台较为靠近的 Python 的 JIT 编译器。很多时候曾经优于 Python 的实现，但不过还有很多中央不欠缺。
3.GPULib、PyStream、PyCUDA 和 PyOpenCL
这四个都是用在图像处理单元来实现代码的减速。后面讲的都是用代码优化来实现减速的。而这些都是从硬件层面上进行减速，如果有一个弱小的 GPU，咱们能够用 GPU 来计算，从而缩小 CPU 贵重的资源。
PyStream 古老一点。GPULib 提供了基于 GPU 的各种模式的数据计算。
如果用 GPU 减速本人的代码，能够用 PyCUDA 和 PyOpenCL。
4.Pyrex、Cython、Numba 和 Shedskin
这四个我的项目都致力于将 Python 代码翻译为 C、C++ 和 LLVM 的代码。Shedskin 会将代码编译为 C ++ 语言。Pyrex、Cython 编译的次要指标是 C 语言。Cython 也是 Pyrex 的一个分支。
而且，Cython 还有 NumPy 数组的额定反对。
如果面向数组和数学计算的时候，Numba 是更好的抉择导入时会主动生成相应的 LLVM 的代码。降级版本是 NumbaPro，还提供了对 GPU 的反对。
5.SWIG、F2PY 和 Boost.Python
这些工具能够将其余的语言封装为 Python 的模块。第一个能够封装 C /C++ 语言。F2PY 能够封装 Fortran。Boost.Python 能够封装 C ++ 语言。
SUIG 只有启动一个命令行工具，往里面输出 C 或者 C ++ 的头文件，封装器代码就会主动生成。除了 Python，而且能够成为其余语言的封装器，比方 Java 和 PHP。
6.ctypes、llvm-py 和 CorePy2
这些模块能够帮忙咱们实现 Python 底层对象的操作。ctypes 模块能够用于在内存中构建编译 C 的对象。并且调用共享库中的 C 的函数。不过 ctypes 曾经蕴含在 Python 的规范库外面了。
llvm-py 次要提供 LLVM 的 Python 接口。以便于构建代码，而后编译他们。也能够在 Python 中构建它的编译器。当然搞出本人编程语言也是能够的。
CorePy2 也能够进行减速，不过这个减速是运行在汇编层的。
7.Weave、Cinpy 和 PyInline
这三个包，就能够让咱们在 Python 代码中间接应用 C 语言或者其余的高级语言。混合代码，仍然能够放弃整洁。能够应用 Python 代码的字符串的多行个性，能够使其余的代码依照本身的格调来进行排版。
8. 其余工具
如果咱们要节俭内存，就不能应用 JIT 了。个别 JIT 都太消耗内存。有一句话说的很对，工夫和内存常常不能兼得，而咱们在工程开发中，总是要寻找他们的平衡点。
至于其余的一些货色，比方 Micro Python 我的项目，这个是用在嵌入式设施或者微控制器下面应用的。
如果只是想在 Python 环境中工作，而后想用别的语言，能够看看这个我的项目 Julia。
以上就是本次分享的所有内容，想要理解更多 python 常识欢送返回公众号：Python 编程学习圈，发送“J”即可收费获取，每日干货分享