作者 | 梁云

来源 | Python与算法之美（id：Python_Ai_Road）

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，使用高阶函数进行加速

第14式：使用map代替推导式进行加速
  • 低速方法
  • 高速方法
第15式：使用filter代替推导式进行加速
  • 低速方法
  • 高速方法

七、使用numpy向量化进行加速

第16式：使用np.array代替list
  • 低速方法
  • 高速方法
第17式：使用np.ufunc代替math.func
  • 低速方法
  • 高速方法
第18式：使用np.where代替if
  • 低速方法

  • 高速方法

八、加速你的Pandas

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

九、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

十、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
（*本文仅代表作者观点，转载请联系原作者）
◆
征稿
◆
参与投稿，加入作者群，成为全宇宙最优秀的技术人儿~
推荐阅读
你点的每个“在看”，我都认真当成了喜欢
继续阅读
阅读原文