一份可以令 Python 变快的工具清单

1、一份可以令 python 变快的工具清单无论什么时候，软件的性能提升都是软件开发重要的一步，假如你只想做一个一般的码农，大可不必理睬，但是要想提升能力，软件性能的讨论是一个跨不过去的坎，不管是新的分布式高并发框架学习，还是新的算法学习，以及代码重构等都是提升性能的一种手段。 固然今日在这里不讲那些大而高深的学问，给大家共享一些提升软件性能的优化代码的工具，使其让代码越发的简洁和快速，固然这么工具无法替代算法设计，但是也能让python加速无数倍。 1.numpy、scipy、sage和pandas numpy的核心是一个多维数字数组的实现。并且除了这个数据结构之外，还实现了若干个函数和运算符，

2、使其支持高效的数组运算。并且精简了被调用的次数，以便于被用来举行极其高效的数学运算。 scipy和sage可以说是一个整合工具，内置了numpy外还内置了许多其他的不同的工具，从而使其可以用于特定科学、数学和高性能计算的模块。 pandas则是一个侧重于数据分析的工具。假如需要处理大量半结构化的数据，也可能会用到pandas相关的工具，比如blaze。 2.pypy、pyston、parakeet、psyco 我们知道让代码运行的更快并且侵入性最小的就是用法实时编译器（jit编译）。在以前我们可以安装psyco，然后调用其psyco.full()的函数，代码运行速度显然提升。 然而现如今许多p

3、syco项目已经停止了维护，不过类似的功能却在pypy中得以继承。 pypy为了便利分析、优化和翻译，用法python语言将python重新实现了一遍，这样就可以jit编译。而且pypy可以挺直将代码翻译成像c那样的性能更高的语言。 此外还有一个pyston，但到现在还有无数不完美的地方。它是一个与llvm平台较为临近的python的jit编译器，并且无数时候已经优于python的实现。 3.gpulib、pystream、pycuda和pyopencl 这四个的作用都是用来处理图像单元以实现加速代码的作用，并且相较于代码优化从软件层动身，他们是从硬件层面上举行加速，假如你的电脑有一个强大的g

4、pu，我们彻低可以用法gpu来举行计算，以此削减cpu的珍贵资源。 4.pyrex、cython、numba和shedskin 这四个项目都致力于将python代码翻译为c、c+和llvm的代码。shedskin能够将代码编译为c+语言。pyrex和cython主要目的是将python代码编译为c语言。cython也是pyrex的一个分支。而且cython还有numpy数组的额外支持。 5.swig、f2py和boost.python 这些工具可以将其他的语言封装为python的模块。第一个可以封装c/c+语言。f2py可以封装fortran。boost.python可以封装c+语言。 sui

5、g只要启动一个指令行工具，往里面输入c或者c+的头文件，封装器代码就会自动生成。除了python，而且可以成为其他语言的封装器，比如java和php。 6.ctypes、llvm-py和corepy2 这些模块可以协助我们实现python底层对象的操作。ctypes模块可以用于在内存中构建编译c的对象。并且调用分享库中的c的函数。不过ctypes已经包含在python的标准库里面了。 llvm-py主要提供llvm的python接口。以便于构建代码，然后编译他们。也可以在python中构建它的编译器。固然搞出自己编程语言也是可以的。 corepy2也可以举行加速，不过这个加速是运行在汇编层的。 7.weave、cinpy和pyinline 这三个包，就可以让我们在python代码中挺直用法c语言或者其他的高级语言。混合代码，依旧可以保持干净。可以用法python代码的字符串的多行特性，可以使其他的代码根据自身的风格来举行排版。 8.其他工具 假如我们要节约内存，就不能用法jit了。普通jit都太耗费内存。有一句话说的很对，时光和内存常常不能兼得，而我们在工程开发中，总是要寻觅他们的平衡点。 至于其他的一些东西，比如m