云哥前期从以下九个方面讨论了加速Python的具体方法，一共24个，每个都带有优化前后的对比，非常实用。
分析代码运行时间
加速查找
加速循环
加速函数
实用标准库加速
Numpy向量化加速
加速Pandas
Dask加速
多线程多进程加速
我在此基础上主要美化了编辑，方便读者更容易阅读学习。
“
一 、分析代码运行时间
”
1 测算代码单次运行时间
平凡法：
快捷法(Jupyter)：
2 测算代码重复执行多次平均用时
平凡法：
快捷法(Jupyter)：
3 按调用函数分析代码运行时间
平凡法：
快捷法(Jupyter)：
4 按行分析代码运行时间
平凡法：
快捷法(Jupyter)：
“
二、加速你的查找
”
5 用set而非list进行in查找
低速法：
高速法：
6 用dict而非两个list进行匹配查找
低速法：
高速法：
“
三、加速你的循环
”
7 优先使用for循环而不是while循环
低速法：
高速法：
8 循环体中避免重复运算
低速法：
高速法：
“
四、加速你的函数
”
9、用缓存机制加速递归函数
低速法：
高速法：
10、用循环取代递归
低速法：
高速法：
11、 使用Numba加速Python函数
低速法：
高速法：
“
五、使用标准库函数进行加速
”
12、使用collections.Counter类加速计数
低速法：
高速法：
13、使用collections.ChainMap加速字典合并
低速法：
高速法：
“
六、使用numpy向量化进行加速
”
14、使用np.array代替list
低速法：
高速法：
15、使用np.ufunc代替math.func
低速法：
高速法：
16、使用np.where代替if
低速法：
高速法：
“
七、加速你的Pandas
”
低速法：
高速法：
18、避免动态改变DataFrame的行数
低速法：
高速法：
19、使用csv文件读写代替xlsx文件读写
低速法：
高速法：
20、使用pandas多进程工具pandarallel
低速法：
高速法：
“
八、使用Dask进行加速
”
21、使用dask加速dataframe
低速法：
高速法：
22、使用dask.delayed应用多进程加速
低速法：
高速法：
“
九、应用多线程多进程加速
”
23、使用多线程提升IO密集任务效率
低速法：
高速法：
24、使用多进程提升CPU密集任务效率
低速法：
高速法：
文章主要参考公众号：Python与算法之美，欢迎关注。
推荐阅读：
Python与算法社区
长按二维码，关注我的公众号
4072
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
