高效的 python 实践总结

Question

1. 资源固定的情况下， 少干活才是硬道理。即好的算法胜过一切。

2. C 优于 Python + ctypes 优于 Python 3.2 优于 Python2.7。

3. 语言内部功能对比。
   3.1 优先级：set > dict > list
   3.2 合理使用生成器（generator）和 yield
   3.3 join() 优于+优于%
   3.4 使用a,b=b,a而不是c=a;a=b;b=c;来交换 a,b 的值
   3.5 使用 if is True 而不是 if == True
   3.6 使用级联比较x < y < z
   3.7 while 1 比 while True 更快
   3.8 使用 ** 而不是 pow
   3.9 使用局部变量，避免 global 关键字
   3.10 优先使用 xrange() 而不是 range()
   3.11 sorted(iterable[,cmp[,key[,reverse]]]) 与 sort(cmp[,key[,reverse]]) 中优先使用 key 而不是 CMP
   3.12 build in 函数通常较快，add(a,b) 要优于 a+b

4. 如何开启性能优化。

   1. 拒绝调优诱惑。
      1. 你做了性能测试报告吗?
      2. 你能减少硬盘的 I/O 访问吗?
      3. 你能减少网络 I/O 访问吗?
      4. 你能升级硬件吗?
      5. 你是为其它开发者编译库吗?
      6. 你的第三方库软件是最新版吗?
   2. 使用工具监控代码，而不是直觉，总结文档中有不少样例。
   3. 审查时间复杂度。
   4. 使用第三方包。
      1. NumPy： 一个开源的相当于 MatLab 的包
      2. SciPy：另一个数值处理库
      3. GPULib：使用GPUs加速代码
      4. PyPy：使用 just-in-time 编译器优化 Python 代码
      5. Cython：将 Python 优码转成 C
      6. ShedSkin：将 Python 代码转成 C++