numpy 加速心得

python 运行效率低，这对于有些任务不太友好，特别是大量的数据处理任务，如何提高数据处理的效率，本人有几点体会。
1、尽量使用 numpy 进行处理，比如数组不要用 list 创建，而是用 np.array创建
2、尽量使用 numpy 自带函数进行处理，比如计算数组a的长度，用 a.shape[0]，而不是 len(a)
3、尽量避免 numpy 和 Python 自带的语法混合编程，如尽量少用 list，dict 等数据结构
4、尽量避免循环，特别是多重循环
5、如果循环不可避免，则循环形式尽可能接近 c 语言风格，比如采用 for i in range(a.shape[0]，而不是 for item in a。最后加上大杀器 numba 模块，则有时可使循环提速百倍以上。注意numba模块只需加入有循环的模块，所以尽可能使循环模块封装成一个独立函数，此函数尽可能简单，最简单到只有循环模块。
6、 numpy 自带函数都是经过优化的，使用 numba 几乎达不到优化效果
7、其他知名模块如 scipy， 也都是经过优化的，使用 numba 几乎达不到优化效果
8、最后优化会使代码难以调试，容易出错，所以优化是最后进行且只对程序热点进行优化
9、多进程有时不仅不能提高效率，反而使效率减小很多倍。