24招加速你的Python，超级实用！

云哥前期从以下九个方面讨论了加速Python的具体方法，一共24个，每个都带有优化前后的对比，非常实用。

分析代码运行时间

加速查找

加速循环

加速函数

实用标准库加速

Numpy向量化加速

加速Pandas

Dask加速

多线程多进程加速

我在此基础上主要美化了编辑，方便读者更容易阅读学习。

“

一 、分析代码运行时间

”

1 测算代码单次运行时间

平凡法：

快捷法(Jupyter)：

2 测算代码重复执行多次平均用时

平凡法：

快捷法(Jupyter)：

3 按调用函数分析代码运行时间

平凡法：

快捷法(Jupyter)：

4 按行分析代码运行时间

平凡法：

快捷法(Jupyter)：

“

二、加速你的查找

”

5 用set而非list进行in查找

低速法：

高速法：

6 用dict而非两个list进行匹配查找

低速法：

高速法：

“

三、加速你的循环

”

7 优先使用for循环而不是while循环

低速法：

高速法：

8 循环体中避免重复运算

低速法：

高速法：

“

四、加速你的函数

”

9、用缓存机制加速递归函数

低速法：

高速法：

10、用循环取代递归

低速法：

高速法：

11、 使用Numba加速Python函数

低速法：

高速法：

“

五、使用标准库函数进行加速

”

12、使用collections.Counter类加速计数

低速法：

高速法：

13、使用collections.ChainMap加速字典合并

低速法：

高速法：

“

六、使用numpy向量化进行加速

”

14、使用np.array代替list

低速法：

高速法：

15、使用np.ufunc代替math.func

低速法：

高速法：

16、使用np.where代替if

低速法：

高速法：

“

七、加速你的Pandas

”

低速法：

高速法：

18、避免动态改变DataFrame的行数

低速法：

高速法：

19、使用csv文件读写代替xlsx文件读写

低速法：

高速法：

20、使用pandas多进程工具pandarallel

低速法：

高速法：

“

八、使用Dask进行加速

”

21、使用dask加速dataframe

低速法：

高速法：

22、使用dask.delayed应用多进程加速

低速法：

高速法：

“

九、应用多线程多进程加速

”

23、使用多线程提升IO密集任务效率

低速法：

高速法：

24、使用多进程提升CPU密集任务效率

低速法：

高速法：