文章介绍了Python性能优化的各种工具和资源，包括NumPy、SciPy等科学计算库，PyPy等JIT编译器，以及GPU加速工具PyCUDA和PyOpenCL。此外，还提到了Cython和Numba等用于代码转换的工具，以及Python的内存管理和多线程处理。文章最后提到了Python学习资料和面试题，适合学习者和开发者参考。
在众多编程语言中，Python的社区生态是其中的佼佼者之一。几乎所有的技术痛点，例如优化代码提升速度，在社区内都有很多成功的解决方案。本文分享的就是一份可以令 Python 变快的工具清单，值得了解下。
一、序言
这篇文章会提供一些优化代码的工具。会让代码变得更简洁，或者更迅速。
当然这些并不能代替算法设计，但是还是能让Python加速很多倍。
其实前面讲算法的文章，也有提到过。比如适用于双向队列的 deque，以及在合适的条件下运用 bisect 和 heapq 来提升算法的性能。
而且前面也提到过，Python提供了当今最高级也是最有效的排序算法(list.sort)。
另外还有一个功能多样又迅速的散列表(dict)。而且如果写迭代器封装、功能性代码或者是某种额外扩展的时候，或许 CyToolz可以用得到。当然在itertools和 functools模块 中，还有很多函数可以带来很高效的代码。
这篇文章主要讲优化单处理器的代码，下面会介绍一些一些高效的函数实现，也有已经封装好的拓展模块，还包括速度更快的Python解释器。
当然多处理器版本确实能大幅提高运行效率。如果想了解多核编程，可以从multiprocessing模块开始。而且也能找到非常多的关于分布式计算的第三方工具。这里可以看一下Python wiki上的关于Parallel Processing的内容。
接下来，会说一些关于Python加速工具的选单。
二、正文
1、NumPy、SciPy、Sage和Pandas
先说，NumPy。它的核心是一个多维数字数组的实现。除了这个数据结构之外，还实现了若干个函数和运算符，可以高效地进行数组运算。并且对于被调用的次数进行了精简。它可以被用来进行极其高效的数学运算。
SciPy和Sage都将NumPy内置为自身的一部分，同时内置了其他的不同的工具，从而可以用于特定科学、数学和高性能计算的模块。
Pandas是一个侧重于数据分析的工具。如果处理大量半结构化数据的时候，可能也会用到Pandas相关的工具，比如Blaze。
2、PyPy、Pyston、Parakeet、Psyco和Unladen Swallow
让代码运行的更快，侵入性最小的就是使用实时编译器(JIT编译)。以前的话我们可以直接安装Psyco。安装之后导入psyco，然后调用psyco.full()。代码运行速度就可以明显提升。运行Python代码的时候，它可以实时监控程序，会将一部分代码编译为了机器码。
现在好多Psyco等加速器的项目已经停止维护了，不过类似的功能在PyPy中得到了继承。
PyPy为了方便分析、优化和翻译，用Python语言将Python重新实现了一遍，这样就可以JIT编译。而且PyPy可以直接将代码翻译成像C那样的性能更高的语言。
Unladen Swallow是一个Python的JIT编译器。是Python解释器的一本版本，被称为底层虚拟机(LLVM)。不过这个开发已经停止了。
Pyston是一个与LLVM平台较为接近的Python的JIT编译器。很多时候已经优于Python的实现，但不过还有很多地方不完善。
3、GPULib、PyStream、PyCUDA和PyOpenCL
这四个都是用在图像处理单元来实现代码的加速。前面讲的都是用代码优化来实现加速的。而这些都是从硬件层面上进行加速，如果有一个强大的GPU，我们可以用GPU来计算，从而减少CPU宝贵的资源。
PyStream古老一点。GPULib提供了基于GPU的各种形式的数据计算。
如果用GPU加速自己的代码，可以用PyCUDA和PyOpenCL。
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会将代码编译为C++语言。Pyrex、Cython编译的主要目标是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。
如果面向数组和数学计算的时候，Numba是更好的选择导入时会自动生成相应的LLVM的代码。升级版本是NumbaPro，还提供了对GPU的支持。
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。
SUIG只要启动一个命令行工具，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
这些模块可以帮助我们实现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。并且调用共享库中的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。当然搞出自己编程语言也是可以的。
CorePy2也可以进行加速，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代码中直接使用C语言或者其他的高级语言。混合代码，依然可以保持整洁。可以使用Python代码的字符串的多行特性，可以使其他的代码按照自身的风格来进行排版。
8、其他工具
如果我们要节省内存，就不能使用JIT了。一般JIT都太耗费内存。有一句话说的很对，时间和内存经常不能兼得，而我们在工程开发中，总是要寻找他们的平衡点。
至于其他的一些东西，比如Micro Python项目，这个是用在嵌入式设备或者微控制器上面使用的。
兄弟们，今天的分享就到这里了，债见！
这里给大家分享一份Python全套学习资料，包括学习路线、软件、源码、视频、面试题等等，都是我自己学习时整理的，希望可以对正在学习或者想要学习Python的朋友有帮助！
CSDN大礼包：全网最全《全套Python学习资料》免费分享🎁
😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
1️⃣零基础入门
① 学习路线
对于从来没有接触过Python的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
② 路线对应学习视频
还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~
③练习题
每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！
因篇幅有限，仅展示部分资料
2️⃣国内外Python书籍、文档
① 文档和书籍资料
3️⃣Python工具包+项目源码合集
①Python工具包
学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！
②Python实战案例
光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。100+实战案例源码等你来拿！
③Python小游戏源码
如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！
4️⃣Python面试题
我们学会了Python之后，有了技能就可以出去找工作啦！下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
5️⃣Python兼职渠道
而且学会Python以后，还可以在各大兼职平台接单赚钱，各种兼职渠道+兼职注意事项+如何和客户沟通，我都整理成文档了。
上述所有资料 ⚡️ ，朋友们如果有需要 📦《全套Python学习资料》的，可以扫描下方二维码免费领取 🆓
😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
