Python高性能编程 PDF格式高清电子书免费下载

Python高性能编程

作者 【美】 戈雷利克 (Micha Gorelick) 欧日沃尔德(Ian Ozsvald)
译者 胡世杰 徐旭彬
出版社 人民邮电出版社
出版日期 2017-07-01
页数 352
格式 Paper book / ebook (PDF)
ISBN 9787115454898
价格 79
  • 内容简介
  • 图书目录
  • 免费下载

出版信息

ISBN:9787115454898
语言:简体中文
包装/印刷类型:1
开本:16开
出版时间:2017-07-01
页数:352

内容简介

本书针对有一定基础的Python程序员,将指导读者实现代码优化的各种方法。读者将学习如何使用智能的算法,以及使用各种相关的技术,例如numpy、cython、cpython等,以及各种多线程和多节点策略。市面上一致缺乏学习用Pyhton完成高度计算性任务的教程,而本书正是这方面不可多得的一本好书。

Python语言是一种脚本语言,其应用领域非常广泛,包括数据分析、自然语言处理、机器学习、科学计算、推荐系统构建等。

本书共有12章,围绕如何进行代码优化和加快实际应用的运行速度进行详细讲解。本书主要包含以下主题:计算机内部结构的背景知识、列表和元组、字典和集合、迭代器和生成器、矩阵和矢量计算、并发、集群和工作队列等。**后,通过一系列真实案例展现了在应用场景中需要注意的问题。

本书适合初级和中级Python程序员、有一定Python语言基础想要得到进阶和提高的读者阅读。

图书目录

目录

第 1章 理解高性能Python 1

1.1 基本的计算机系统 1

1.1.1 计算单元 2

1.1.2 存储单元 5

1.1.3 通信层 6

1.2 将基本的元素组装到一起 8

1.3 为什么使用Python 12

第 2章 通过性能分析找到瓶颈 15

2.1 高效地分析性能 16

2.2 Julia集合的介绍 17

2.3 计算完整的Julia集合 20

2.4 计时的简单方法——打印和修饰 24

2.5 用UNIX的time命令进行简单的计时 27

2.6 使用cProfile模块 28

2.7 用runsnakerun对cProfile的输出进行可视化 33

2.8 用line_profiler进行逐行分析 34

2.9 用memory_profiler诊断内存的用量 39

2.10 用heapy调查堆上的对象 45

2.11 用dowser实时画出变量的实例 47

2.12 用dis模块检查CPython字节码 49

2.13 在优化期间进行单元测试保持代码的正确性 53

2.14 确保性能分析成功的策略 56

2.15 小结 57

第3章 列表和元组 58

3.1 一个更有效的搜索 61

3.2 列表和元组 63

3.2.1 动态数组:列表 64

3.2.2 静态数组:元组 67

3.3 小结 68

第4章 字典和集合 69

4.1 字典和集合如何工作 72

4.1.1 插入和获取 73

4.1.2 删除 76

4.1.3 改变大小 76

4.1.4 散列函数和熵 76

4.2 字典和命名空间 80

4.3 小结 83

第5章 迭代器和生成器 84

5.1 无穷数列的迭代器 87

5.2 生成器的延迟估值 89

5.3 小结 93

第6章 矩阵和矢量计算 94

6.1 问题介绍 95

6.2 Python列表还不够吗 99

6.3 内存碎片 103

6.3.1 理解perf 105

6.3.2 根据perf输出做出抉择 106

6.3.3 使用numpy 107

6.4 用numpy解决扩散问题 110

6.4.1 内存分配和就地操作 113

6.4.2 选择优化点:找到需要被修正的地方 116

6.5 numexpr:让就地操作更快更简单 120

6.6 告诫故事:验证你的“优化”(scipy) 121

6.7 小结 123

第7章 编译成C 126

7.1 可能获得哪种类型的速度提升 127

7.2 JIT和AOT编译器的对比 129

7.3 为什么类型检查有助代码更快运行 129

7.4 使用C编译器 130

7.5 复习Julia集的例子 131

7.6 Cython 131

7.6.1 使用Cython编译纯Python版本 132

7.6.2 Cython注解来分析代码块 134

7.6.3 增加一些类型注解 136

7.7 Shed Skin 140

7.7.1 构建扩展模块 141

7.7.2 内存拷贝的开销 144

7.8 Cython和numpy 144

7.9 Numba 148

7.10 Pythran 149

7.11 PyPy 151

7.11.1 垃圾收集的差异 152

7.11.2 运行PyPy并安装模块 152

7.12 什么时候使用每种工具 154

7.12.1 其他即将出现的项目 155

7.12.2 一个图像处理单元(GPU)的注意点 156

7.12.3 一个对未来编译器项目的展望 157

7.13 外部函数接口 157

7.13.1 ctypes 158

7.13.2 cffi 160

7.13.3 f2py 163

7.13.4 CPython模块 166

7.14 小结 170

第8章 并发 171

8.1 异步编程介绍 172

8.2 串行爬虫 175

8.3 gevent 177

8.4 tornado 182

8.5 AsyncIO 185

8.6 数据库的例子 188

8.7 小结 191

第9章 multiprocessing模块 193

9.1 multiprocessing模块综述 196

9.2 使用蒙特卡罗方法来估算Pi 198

9.3 使用多进程和多线程来估算Pi 199

9.3.1 使用Python对象 200

9.3.2 并行系统中的随机数 207

9.3.3 使用numpy 207

9.4 寻找素数 210

9.5 使用进程间通信来验证素数 221

9.5.1 串行解决方案 225

9.5.2 Na ve Pool解决方案 225

9.5.3 Less Na ve Pool解决方案 226

9.5.4 使用Manager.Value作为一个标记 227

9.5.5 使用Redis作为一个标记 229

9.5.6 使用RawValue作为一个标记 232

9.5.7 使用mmap作为一个标记 232

9.5.8 使用mmap作为一个标记的终 极效果 234

9.6 用multiprocessing来共享numpy数据 236

9.7 同步文件和变量访问 243

9.7.1 文件锁 243

9.7.2 给Value加锁 247

9.8 小结 249

第 10章 集群和工作队列 251

10.1 集群的益处 252

10.2 集群的缺陷 253

10.2.1 糟糕的集群升级策略造成华尔街损失4.62亿美元 254

10.2.2 Skype的24小时全球中断 255

10.3 通用的集群设计 255

10.4 怎样启动一个集群化的解决方案 256

10.5 使用集群时避免痛苦的方法 257

10.6 三个集群化解决方案 258

10.6.1 为简单的本地集群使用Parallel Python模块 259

10.6.2 使用IPython Parallel来支持研究 260

10.7 为鲁棒生产集群的NSQ 265

10.7.1 队列 265

10.7.2 发布者/订阅者 266

10.7.3 分布式素数计算器 268

10.8 看一下其他的集群化工具 271

10.9 小结 272

第 11章 使用更少的RAM 273

11.1 基础类型的对象开销高 274

11.2 理解集合中的RAM使用 278

11.3 字节和Unicode的对比 280

11.4 高效地在RAM中存储许多文本 281

11.5 使用更少RAM的窍门 290

11.6 概率数据结构 291

11.6.1 使用1字节的Morris计数器来做近似计数 292

11.6.2 K**小值 295

11.6.3 布隆过滤器 298

11.6.4 LogLog计数器 303

11.6.5 真实世界的例子 307

第 12章 现场教训 311

12.1 自适应实验室(Adaptive Lab)的社交媒体分析(SoMA) 311

12.1.1 自适应实验室(Adaptive Lab)使用的Python 312

12.1.2 SoMA的设计 312

12.1.3 我们的开发方法论 313

12.1.4 维护SoMA 313

12.1.5 对工程师同行的建议 313

12.2 使用RadimRehurek.com让深度学习飞翔 314

12.2.1 **佳时机 314

12.2.2 优化方面的教训 316

12.2.3 总结 318

12.3 在Lyst.com的大规模产品化的机器学习 318

12.3.1 Python在Lyst的地位 319

12.3.2 集群设计 319

12.3.3 在快速前进的初创公司中做代码评估 319

12.3.4 构建推荐引擎 319

12.3.5 报告和监控 320

12.3.6 一些建议 320

12.4 在Smesh的大规模社交媒体分析 321

12.4.1 Python在Smesh中的角色 321

12.4.2 平台 321

12.4.3 高性能的实时字符串匹配 322

12.4.4 报告、监控、调试和部署 323

12.5 PyPy促成了成功的Web和数据处理系统 324

12.5.1 先决条件 325

12.5.2 数据库 325

12.5.3 Web应用 326

12.5.4 OCR和翻译 326

12.5.5 任务分发和工作者 327

12.5.6 结论 327

12.6 在Lanyrd.com中的任务队列 327

12.6.1 Python在Lanyrd中的角色 328

12.6.2 使任务队列变高性能 328

12.6.3 报告、监控、调试和部署 328

12.6.4 对开发 者同行的建议 329

点击展开

点击收起

Python高性能编程 PDF格式高清电子书免费下载

提醒:本站所有图书资源均索引自互联网,版权争议与本站无关。如有侵权或其他争议的可能性,请发起版权投诉,因本站未参与任何制作、转制、存储等任一环节,故无法对涉及到的资源进行删除,本站会依据DMCA原则, 对涉及的资源链接进行删除。因为所有图书资源均不属于本站,本站只提供索引服务,故本站不保证任何资源的准确性,权威性,请使用者自行判断。

  • 查看原页面 报告错误 复制提取码下载 提取码:mfxh
  • 查看原页面 报告错误 复制提取码下载 提取码:u52w
  • 查看原页面 报告错误 复制提取码下载 提取码:bw9f
  • 查看原页面 报告错误 复制提取码下载 提取码:ikya

看了 Python高性能编程 的用户也看了: