一,分析代碼運行時間
第1式,測算代碼運行時間
平凡方法
快捷方法(jupyter環(huán)境)
第2式,測算代碼多次運行平均時間
平凡方法
快捷方法(jupyter環(huán)境)
第3式,按調(diào)用函數(shù)分析代碼運行時間
平凡方法
快捷方法(jupyter環(huán)境)
第4式,按行分析代碼運行時間
平凡方法
快捷方法(jupyter環(huán)境)
二,加速你的查找
第5式,用set而非list進行查找
低速方法
高速方法
第6式,用dict而非兩個list進行匹配查找
低速方法
高速方法
高速方法
第8式,在循環(huán)體中避免重復(fù)計算
低速方法
高速方法
四,加速你的函數(shù)
第9式,用循環(huán)機制代替遞歸函數(shù)
低速方法
高速方法
第10式,用緩存機制加速遞歸函數(shù)
低速方法
高速方法
高速方法
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向量化進行加速
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函數(shù)代替applymap
低速方法
高速方法
第18式,使用預(yù)分配存儲代替動態(tài)擴容
低速方法
高速方法
第19式,使用csv文件讀寫代替excel文件讀寫
低速方法
高速方法
第20式,使用pandas多進程工具pandarallel
低速方法
高速方法
高速方法
第22式,使用dask.delayed進行加速
低速方法
高速方法
九,應(yīng)用多線程多進程加速
第23式,應(yīng)用多線程加速IO密集型任務(wù)
低速方法
高速方法
高速方法
-
python
+關(guān)注
關(guān)注
56文章
4800瀏覽量
84820
發(fā)布評論請先 登錄
相關(guān)推薦
評論