Python高性能瓶颈及一些常用高效库

高性能瓶颈

1.全局解释器

对于Python来说，充分利用多核性能的阻碍主要在于Python的全局解释器锁（GIL）。GIL确保Python进程一次只能执行一条指令，无论当前有多少个核心。这意味着即使某些Python代码可以使用多个核心，在任意时间点仅有一个核心在执行Python的指令。以前面调查的例子来说，即使我们有100位提问者，然而一次仅有一位可以提问和接受回答，并没有什么用！

2.Python的动态类型以及python并不是编译性语言

一些常用高效库

array
原始类型的高效数组。

math
基本数学操作，包括一些简单的统计数学。

collections
多种对象，包括双向队列、计数器和字典的变种。

numpy
一个Python数字库（矩阵运算的基石库）。

cipy
大量可信的科学库的集合，通常包含了广受尊重的C和Fortran库。

pandas
一个数据分析库，类似于R语言的数据框或Excel表格，基于scipy和numpy。

scikit-learn
正在快速成为默认的机器学习库，基于scipy。

tornado
一个提供了并发机制的库。