Python高性能编程
全新正版 极速发货
￥ 70.84 7.1折 ￥ 99.8 全新
库存3件
作者(美)戈雷利克//欧日沃尔德|责编:陈冀康|译者:胡世杰//徐旭彬
出版社人民邮电
ISBN9787115454898
出版时间2017-07
装帧平装
开本其他
定价99.8元
货号31460900
上书时间2024-06-10
商品详情
- 品相描述：全新
- 商品描述
-
商品简介
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。
作者简介
IanOzsvald是一名数据科学家，他在Modellnsight.io执教，具有十年以上的Python经验。他在PyCon和PyData会议上讲述过Python高性能编程，在英国多年来提供数据科学和高性能计算的咨询。
目录
第1章 理解高性能Python
1.1 基本的计算机系统
1.1.1 计算单元
1.1.2 存储单元
1.1.3 通信层
1.2 将基本的元素组装到一起
1.3 为什么使用Python
第2章 通过性能分析找到瓶颈
2.1 高效地分析性能
2.2 Julia集合的介绍
2.3 计算完整的Julia集合
2.4 计时的简单方法——打印和修饰
2.5 用UNIX的time命令进行简单的计时
2.6 使用cProfile模块
2.7 用runsnakerun对cProfile的输出进行可视化
2.8 用line_profiler进行逐行分析
2.9 用memory_profiler诊断内存的用量
2.10 用heapy调查堆上的对象
2.11 用dowser实时画出变量的实例
2.12 用dis模块检查CPython字节码
2.13 在优化期间进行单元测试保持代码的正确性
2.14 确保性能分析成功的策略
2.15 小结
第3章 列表和元组
3.1 一个更有效的搜索
3.2 列表和元组
3.2.1 动态数组：列表
3.2.2 静态数组：元组
3.3 小结
第4章 字典和集合
4.1 字典和集合如何工作
4.1.1 插入和获取
4.1.2 删除
4.1.3 改变大小
4.1.4 散列函数和熵
4.2 字典和命名空间
4.3 小结
第5章 迭代器和生成器
5.1 无穷数列的迭代器
5.2 生成器的延迟估值
5.3 小结
第6章 矩阵和矢量计算
6.1 问题介绍
6.2 Python列表还不够吗
6.3 内存碎片
6.3.1 理解perf
6.3.2 根据perf输出做出抉择
6.3.3 使用numpy
6.4 用numpy解决扩散问题
6.4.1 内存分配和就地操作
内容摘要
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。最后，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。
主编推荐
Python代码仅仅能够正确运行还不够，你需要让它运行得更快。通过探索设计决策背后的基础理论，本书帮助你更加深刻地理解Python的实现。你将学习如何找到性能瓶颈，以及如何在大数据量的程序中显著加快代码。
如何利用多核架构或集群的优点？如何构建一个在不损失可靠性的情况下具备可伸缩性的系统？有经验的Python程序员将学到针对这些问题或者其他问题的具体解决方案，以及来自那些在社交媒体分析、产品化机器学习和其他场景下使用高性能Python编程的公司的成功案例。
通过阅读本书，你将能够：
■ 更好地掌握numpy、Cython和剖析器；
■ 了解Python如何抽象化底层的计算机架构；
■ 使用剖析手段来寻找CPU时间和内存使用的瓶颈；
■ 通过选择合适的数据结构来编写高效的程序
■ 加速矩阵和矢量计算；
■ 使用工具把Python编译成机器代码；
■ 管理并发的多I/O和计算操作；
■ 把多进程代码转换到在本地或者远程集群上运行；
■ 用更少的内存解决大型问题。
“ 尽管P y thon在学术和工业领域很流行， 但人们也经常由于Python程序运行太慢而放弃它。本书通过介绍改善优化Python计算速度和可扩展性的策略，从而解除人们的这种误
解。”——Jake VanderPlas 华盛顿大学
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价