Python性能分析与优化 - (EPUB全文下载)

文件大小：3.65 mb。
文件格式：epub 格式。
书籍内容：

版权信息
书名：Python性能分析与优化
作者：[乌拉圭] Fernando Doglio
译者：陶俊杰　陈小莉
ISBN：978-7-115-42422-8
本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必究。
您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
图灵社区会员 junnplus（junnplus@qq.com） 专享 尊重版权
版权声明
译者序
前言
本书内容
本书需要的工具
目标读者
排版约定
读者反馈
客户支持
下载示例代码
下载本书的彩色图像
勘误
侵权行为
问题
电子书
致谢
第 1 章　性能分析基础
1.1　什么是性能分析
1.1.1　基于事件的性能分析
1.1.2　统计式性能分析
1.2　性能分析的重要性
1.3　性能分析可以分析什么
1.3.1　运行时间
1.3.2　瓶颈在哪里
1.4　内存消耗和内存泄漏
1.5　过早优化的风险
1.6　运行时间复杂度
1.6.1　常数时间——O(1)
1.6.2　线性时间——O(n)
1.6.3　对数时间——O(logn)
1.6.4　线性对数时间——O(n logn)
1.6.5　阶乘时间——O(n!)
1.6.6　平方时间——O(n2)
1.7　性能分析最佳实践
1.7.1　建立回归测试套件
1.7.2　思考代码结构
1.7.3　耐心
1.7.4　尽可能多地收集数据
1.7.5　数据预处理
1.7.6　数据可视化
1.8　小结
性能分析器
2.1　认识新朋友：性能分析器
2.2　cProfile
2.2.1　工具的局限
2.2.2　支持的API
2.2.3　Stats类
2.2.4　性能分析示例
2.3　line_profiler
2.3.1　kernprof
2.3.2　kernprof注意事项
2.3.3　性能分析示例
2.4　小结
第 3 章　可视化——利用GUI理解性能分析数据
3.1　KCacheGrind/pyprof2calltree
3.1.1　安装
3.1.2　用法
3.1.3　性能分析器示例：TweetStats
3.1.4　性能分析器示例：倒排索引
3.2　RunSnakeRun
3.2.1　安装
3.2.2　使用方法
3.2.3　性能分析示例：最小公倍数
3.2.4　性能分析示例：用倒排索引查询
3.3　小结
第 4 章　优化每一个细节
4.1　函数返回值缓存和函数查询表
4.1.1　用列表或链表做查询表
4.1.2　用字典做查询表
4.1.3　二分查找
4.1.4　查询表使用案例
4.2　使用默认参数
4.3　列表综合表达式与生成器
4.4　ctypes
4.4.1　加载自定义ctypes
4.4.2　加载一个系统库
4.5　字符串连接
4.6　其他优化技巧
4.7　小结
第 5 章　多线程与多进程
5.1　并行与并发
5.2　多线程
5.3　线程
5.3.1　用thread模块创建线程
5.3.2　用threading模块创建线程
5.4　多进程
Python多进程
5.5　小结
第 6 章　常用的优化方法
6.1　PyPy
6.1.1　安装PyPy
6.1.2　JIT编译器
6.1.3　沙盒
6.1.4　JIT优化
6.1.5　代码示例
6.2　Cython
6.2.1　安装Cython
6.2.2　建立一个Cython模块
6.2.3　调用C语言函数
6.2.4　定义类型
6.2.5　定义函数类型
6.2.6　Cython示例
6.2.7　定义类型的时机选择
6.2.8　限制条件
6.3　如何选择正确的工具
6.3.1　什么时候用Cython
6.3.2　什么时候用PyPy
6.4　小结
第 7 章　用Numba、Parakeet和pandas实现极速数据处理
7.1　Numba
7.1.1　安装
7.1.2　使用Numba
7.2　pandas工具
7.2.1　安装pandas
7.2.2　用pandas做数据分析
7.3　Parakeet
7.3.1　安装Parakeet
7.3.2　Parakeet是如何工作的
7.4　小结
第 8 章　付诸实践
8.1　需要解决的问题
8.1.1　从网站上抓取数据
8.1.2　数据预处理
8.2　编写初始代码
8.2.1　分析代码性能
8.2.2　数据分析代码的优化
8.3　小结
版权声明
Copyright © 2015 Packt Publishing. First published in the English language under the title Mastering Python High Performance
.
Simplified Chinese-language edition copyright © 2016 by Posts & Telecom Press. All rights reserved.
本书中文简体字版由Packt Publishing授权人民邮电出版社独家出版。未经出版者书面许可，不得以任何方式复制或抄袭本书内容。
版权所有，侵权必究。
译者序
从狭义相对论的角度看，速度最快、规模最大的并行计算方式是太阳照耀地球。每时每刻，阳光都会离开太阳表面，以大约30万千米/秒的速度，经过8分17秒到达地球表面。太阳的计算方式很简单，一视同仁，普照大地，并行（parallel）照耀每一个对象，谁也不会多得一米阳光。地球上的每个人都可看成享受阳光资源的独立进程（process），人们平时处理自己的任务，经历着各自的生命周期，彼此间有时也会通信（进程间通信，IPC）。由于太阳资源丰富，可以不计得失，她也许从来不觉得自己的光具有波粒二象性，也没觉得并行计算的效率高。
但是，人不是太阳，每个人在一生中时刻面对着诸多问题。“人无远虑 ............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。