「儘管在學界與業界都非常普遍，但 Python 經常因為在實際應用上過於緩慢而遭人詬病，這本書透過詳盡的策略介紹，將那些誤解與疑慮通通掃除掉，讓我們能夠利用 Python 建立快速且具高度擴充性的計算機制。」



— Jake VanderPlas, 華盛頓大學







你的 Python 程式碼可能運作無誤，但你需要它執行得更快速。透過探索設計選項背後的基礎理論，這本實用指南幫助你對 Python 實作獲得更深入的瞭解。你將學習如何找出效能瓶頸，並且在高資料量(high-data-volume)的程式中大幅加快你的程式碼運作。





如何善用多核心架構或叢集？或者建立能夠擴充及縮小規模，但又不失可靠性的系統？有經驗的 Python 程式人員將學到這些議題與其他問題的具體解法，並且獲悉各家公司利用高效能 Python 從事社群媒體分析(social media analytics)，機器學習(machine learning)，以及各種議題的英雄史。





?更深入理解 numpy，Cython 及效能分析器



?熟悉 Python 如何抽象化底層的電腦架構



?利用效能分析尋找 CPU 時間與記憶體使用量的瓶頸



?透過選擇合適的資料結構撰寫有效率的程式



?加速矩陣與向量計算



?使用工具將 Python 編譯成機器碼



?並行管理多個 I/O 與計算操作



?將 multiprocessing 程式碼轉換成執行在本地或遠端的叢集上



?使用較少的 RAM 解決大型的問題

譯者介紹

第一章 理解高效能Python



第二章 透過效能分析找出瓶頸



第三章 串列與元組



第四章 字典與集合



第五章 迭代器與生成器



第六章 矩陣與向量計算



第七章 編譯成C



第八章 並行性



第九章 multiprocessing 模組



第十章 叢集與任務佇列



第十一章 使用較少的RAM



第十二章 來自業界的經驗學習