日韩偷拍一区二区,国产香蕉久久精品综合网,亚洲激情五月婷婷,欧美日韩国产不卡

在線客服
Python高性能編程圖書
人氣:75

Python高性能編程

深刻理解Python的實現 讓你的Python代碼運行的更快,本書通過介紹改善優化Python計算速度和可擴展性的策略,從而消除人們的這種誤 解。
  • 所屬分類:圖書 >計算機/網絡>程序設計>其他  
  • 作者:[美] [Micha] [Gorelick] [戈雷利克] Ian [Ozsvald] [歐日沃爾德]
  • 產品參數:
  • 叢書名:--
  • 國際刊號:9787115454898
  • 出版社:人民郵電出版社
  • 出版時間:2017-06
  • 印刷時間:2017-05-01
  • 版次:1
  • 開本:16開
  • 頁數:--
  • 紙張:膠版紙
  • 包裝:平裝-膠訂
  • 套裝:

內容簡介

Python語言是一種腳本語言,其應用領域非常廣泛,包括數據分析、自然語言處理、機器學習、科學計算、推薦系統構建等。 本書共有12章,圍繞如何進行代碼優化和加快實際應用的運行速度進行詳細講解。本書主要包含以下主題:計算機內部結構的背景知識、列表和元組、字典和集合、迭代器和生成器、矩陣和矢量計算、并發、集群和工作隊列等。后,通過一系列真實案例展現了在應用場景中需要注意的問題。 本書適合初級和中級Python程序員、有一定Python語言基礎想要得到進階和提高的讀者閱讀。

編輯推薦

Python代碼僅僅能夠正確運行還不夠,你需要讓它運行得更快。通過探索設計決策背后的基礎理論,本書幫助你更加深刻地理解Python的實現。你將學習如何找到性能瓶頸,以及如何在大數據量的程序中顯著加快代碼。 如何利用多核架構或集群的優點?如何構建一個在不損失性的情況下具備可伸縮性的系統?有經驗的Python程序員將學到針對這些問題或者其他問題的具體解決方案,以及來自那些在社交媒體分析、產品化機器學習和其他場景下使用高性能Python編程的公司的成功案例。 通過閱讀本書,你將能夠: ■ 更好地掌握numpy、Cython和剖析器; ■ 了解Python如何抽象化底層的計算機架構; ■ 使用剖析手段來尋找CPU時間和內存使用的瓶頸; ■ 通過選擇合適的數據結構來編寫高效的程序 ■ 加速矩陣和矢量計算; ■ 使用工具把Python編譯成機器代碼; ■ 管理并發的多I O和計算操作; ■ 把多進程代碼轉換到在本地或者遠程集群上運行; ■ 用更少的內存解決大型問題。 “ 盡管P y thon在學術和工業領域很流行, 但人們也經常由于Python程序運行太慢而放棄它。本書通過介紹改善優化Python計算速度和可擴展性的策略,從而消除人們的這種誤 解。”——Jake VanderPlas 華盛頓大學

作者簡介

Micha Gorelick在bitly公司從事與數據打交道的工作,并負責建立了快速前進實驗室(Fast Forward Labs),研究從機器學習到高性能流算法領域的問題。 Ian Ozsvald是ModelInsight.io的數據科學家和教師,有著超過十年的Python經驗。他在yCon和PyData會議上教授Python編程,這幾年一直在英國從事關于數據科學和高性能計算方面的咨詢工作。

目錄

目錄

第1章理解高性能Python1

1.1基本的計算機系統1

1.1.1計算單元2

1.1.2存儲單元5

1.1.3通信層6

1.2將基本的元素組裝到一起8

1.3為什么使用Python12

第2章通過性能分析找到瓶頸15

2.1高效地分析性能16

2.2Julia集合的介紹17

2.3計算完整的Julia集合20

2.4計時的簡單方法——打印和修飾24

2.5用UNIX的time命令進行簡單的計時27

2.6使用cProfile模塊28

2.7用runsnakerun對cProfile的輸出進行可視化33

2.8用line_profiler進行逐行分析34

2.9用memory_profiler診斷內存的用量39

2.10用heapy調查堆上的對象45

2.11用dowser實時畫出變量的實例47

2.12用dis模塊檢查CPython字節碼49

2.13在優化期間進行單元測試保持代碼的正確性53

2.14確保性能分析成功的策略56

2.15小結57

第3章列表和元組58

3.1一個更有效的搜索61

3.2列表和元組63

3.2.1動態數組:列表64

3.2.2靜態數組:元組67

3.3小結68

第4章字典和集合69

4.1字典和集合如何工作72

4.1.1插入和獲取73

4.1.2刪除76

4.1.3改變大小76

4.1.4散列函數和熵76

4.2字典和命名空間80

4.3小結83

第5章迭代器和生成器84

5.1無窮數列的迭代器87

5.2生成器的延遲估值89

5.3小結93

第6章矩陣和矢量計算94

6.1問題介紹95

6.2Python列表還不夠嗎99

6.3內存碎片103

6.3.1理解perf105

6.3.2根據perf輸出做出抉擇106

6.3.3使用numpy107

6.4用numpy解決擴散問題110

6.4.1內存分配和就地操作113

6.4.2選擇優化點:找到需要被修正的地方116

6.5numexpr:讓就地操作更快更簡單120

6.6告誡故事:驗證你的“優化”(scipy)121

6.7小結123

第7章編譯成C126

7.1可能獲得哪種類型的速度提升127

7.2JIT和AOT編譯器的對比129

7.3為什么類型檢查有助代碼更快運行129

7.4使用C編譯器130

7.5復習Julia集的例子131

7.6Cython131

7.6.1使用Cython編譯純Python版本132

7.6.2Cython注解來分析代碼塊134

7.6.3增加一些類型注解136

7.7Shed Skin140

7.7.1構建擴展模塊141

7.7.2內存拷貝的開銷144

7.8Cython和numpy144

7.9Numba148

7.10Pythran149

7.11PyPy151

7.11.1垃圾收集的差異152

7.11.2運行PyPy并安裝模塊152

7.12什么時候使用每種工具154

7.12.1其他即將出現的項目155

7.12.2一個圖像處理單元(GPU)的注意點156

7.12.3一個對未來編譯器項目的展望157

7.13外部函數接口157

7.13.1ctypes158

7.13.2cffi160

7.13.3f2py163

7.13.4CPython模塊166

7.14小結170

第8章并發171

8.1異步編程介紹172

8.2串行爬蟲175

8.3gevent177

8.4tornado182

8.5AsyncIO185

8.6數據庫的例子188

8.7小結191

第9章multiprocessing模塊193

9.1multiprocessing模塊綜述196

9.2使用蒙特卡羅方法來估算Pi198

9.3使用多進程和多線程來估算Pi199

9.3.1使用Python對象200

9.3.2并行系統中的隨機數207

9.3.3使用numpy207

9.4尋找素數210

9.5使用進程間通信來驗證素數221

9.5.1串行解決方案225

9.5.2Na ve Pool解決方案225

9.5.3Less Na ve Pool解決方案226

9.5.4使用Manager.Value作為一個標記227

9.5.5使用Redis作為一個標記229

9.5.6使用RawValue作為一個標記232

9.5.7使用mmap作為一個標記232

9.5.8使用mmap作為一個標記的終極效果234

9.6用multiprocessing來共享numpy數據236

9.7同步文件和變量訪問243

9.7.1文件鎖243

9.7.2給Value加鎖247

9.8小結249

第10章集群和工作隊列251

10.1集群的益處252

10.2集群的缺陷253

10.2.1糟糕的集群升級策略造成華爾街損失4.62億美元254

10.2.2Skype的24小時全球中斷255

10.3通用的集群設計255

10.4怎樣啟動一個集群化的解決方案256

10.5使用集群時避免痛苦的方法257

10.6三個集群化解決方案258

10.6.1為簡單的本地集群使用Parallel Python模塊259

10.6.2使用IPython Parallel來支持研究260

10.7為魯棒生產集群的NSQ265

10.7.1隊列265

10.7.2者 訂閱者266

10.7.3分布式素數計算器268

10.8看一下其他的集群化工具271

10.9小結272

第11章使用更少的RAM273

11.1基礎類型的對象開銷高274

11.2理解集合中的RAM使用278

11.3字節和Unicode的對比280

11.4高效地在RAM中存儲許多文本281

11.5使用更少RAM的竅門290

11.6概率數據結構291

11.6.1使用1字節的Morris計數器來做近似計數292

11.6.2K最小值295

11.6.3布隆過濾器298

11.6.4LogLog計數器303

11.6.5真實世界的例子307

第12章現場教訓311

12.1自適應實驗室(Adaptive Lab)的社交媒體分析(SoMA)311

12.1.1自適應實驗室(Adaptive Lab)使用的Python312

12.1.2SoMA的設計312

12.1.3我們的開發方法論313

12.1.4維護SoMA313

12.1.5對工程師同行的建議313

12.2使用RadimRehurek.com讓深度學習飛翔314

12.2.1時機314

12.2.2優化方面的教訓316

12.2.3總結318

12.3在Lyst.com的大規模產品化的機器學習318

12.3.1Python在Lyst的地位319

12.3.2集群設計319

12.3.3在快速前進的初創公司中做代碼評估319

12.3.4構建推薦引擎319

12.3.5報告和監控320

12.3.6一些建議320

12.4在Smesh的大規模社交媒體分析321

12.4.1Python在Smesh中的角色321

12.4.2平臺321

12.4.3高性能的實時字符串匹配322

12.4.4報告、監控、調試和部署323

12.5PyPy促成了成功的Web和數據處理系統324

12.5.1先決條件325

12.5.2數據庫325

12.5.3Web應用326

12.5.4OCR和翻譯326

12.5.5任務分發和工作者327

12.5.6結論327

12.6在Lanyrd.com中的任務隊列327

12.6.1Python在Lanyrd中的角色328

12.6.2使任務隊列變高性能328

12.6.3報告、監控、調試和部署328

12.6.4對開發者同行的建議329

網友評論(不代表本站觀點)

來自請***(**的評論:

非常滿意 推薦大家購買

2017-07-21 12:55:23
來自請***(**的評論:

非常滿意 推薦大家購買

2017-07-21 12:55:36
來自g***h(**的評論:

ok ok

2017-07-24 23:04:56

免責聲明

更多出版社
主站蜘蛛池模板: 那曲县| 那坡县| 商河县| 淳化县| 苗栗市| 齐河县| 离岛区| 滦平县| 迁安市| 徐州市| 溧阳市| 班玛县| 兖州市| 郎溪县| 五峰| 阿克陶县| 长顺县| 中阳县| 景谷| 东乌珠穆沁旗| 万安县| 定远县| 敖汉旗| 天全县| 亳州市| 沿河| 鄄城县| 台中县| 大丰市| 克东县| 淳化县| 兴城市| 无锡市| 盘山县| 东乌珠穆沁旗| 资兴市| 丹寨县| 福海县| 承德市| 桂平市| 蒲江县|