相关阅读
相关 爱上python系列------python性能(十):bisect加速有序列表的查询
如果数据量很大的时候，list哪怕使用index也会变得很慢，下面做个实验，使用二分查找模块[bisect][] import time import bi
布满荆棘的人生相关 爱上python系列------python性能(七):lru_cache为函数计算加速
缓存在计算的时候可以避免重复计算，现在的数据库很多也提供缓存技术，比如redis python的functools 模块就提供了一个工具，可以使用装饰器进行给函数进行缓存（L
亦凉相关 爱上python系列------python性能(六):新建list对象性能优化
Cpython里的list实际上就是长度可变的数组实现的 新建list经常会使用这样的一种写法： \[i for i in range(N)\] 这样的写法不仅仅很酷很简
今天药忘吃喽~相关 爱上python系列------python性能(五):字符串拼接性能优化
python里面字符串是不可变的，在拼接的时候 速度会比较慢，因为拼接任意不可变序列都会生成一个新的序列对象 也就是说在拼接的过程中会产生很多中间对象，新建对象肯定需要时间，
相关 爱上python系列------python性能(四):list-set-dict性能对比
无意间看到文章说set的速度比list快，很是不解，于是自己做了一下实验 实验1：几乎不带重复的数据时三者查询性能的对比 import time imp
相关 爱上python系列------python性能(二):line_profiler性能分析
Python的性能分析分析十分重要，因为可以给我们优化性能提供可靠的数值参考 Python的性能分析有两个主流工具cProfile和line\_profiler，前者是pyt
不念不忘少年蓝@相关 爱上python系列------python性能(一):pypy实践
python作为一门解释型语言，执行效率一直被诟病，速度比c慢几十到上百倍 这里主要谈到pypy 就是一个解释器，我们安装好的python的默认的解释器是Cpython
相关 爱上python系列------python性能(十三):忌用for循环
一直都在想标量和向量计算为啥速度不一样，直到看到[这个文章][Link 1] 接下来试验一下： 用for循环： import numpy as np
你的名字相关 爱上python系列------python性能(十二):pd.eval()加速实验证明无效
pd.eval()号称是使用了Numexpr，能够使用DataFrame之间的运算提速 我亲自实验，说明现有的pandas版本的根本不支持，只适用于老版本的pandas p
相关 爱上python系列------python性能(十一):numexpr比numpy更加高速
在python数据领域处理数据使用numpy越来越多了，因为numpy相对来说是很快的，不过当 数据量较大时numexpr会更快 比如先做实验试试： 先准备数据：
还没有评论，来说两句吧...