☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

適讀人群 ：Python程序員，有一定Python語言基礎想要得到進階和提高的讀者
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後的基礎理論，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可靠性的情況下具備可伸縮性的係統？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、産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；
■ 瞭解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；
■ 通過選擇閤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；
■ 管理並發的多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， 但人們也經常由於Python程序運行太慢而放棄它。本書通過全麵介紹改善優化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

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、推薦係統構建等。
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、列錶和元組、字典和集閤、迭代器和生成器、矩陣和矢量計算、並發、集群和工作隊列等。最後，通過一係列真實案例展現瞭在應用場景中需要注意的問題。
本書適閤初級和中級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。

作者簡介

Micha Gorelick在bitly公司從事與數據打交道的工作，並負責建立瞭快速前進實驗室（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的數據科學傢和教師，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於數據科學和高性能計算方麵的谘詢工作。

目錄

目錄

第1章　理解高性能Python　1
1．1　基本的計算機係統　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　為什麼使用Python　12
第2章　通過性能分析找到瓶頸　15
2．1　高效地分析性能　16
2．2　Julia集閤的介紹　17
2．3　計算完整的Julia集閤　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的輸齣進行可視化　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實時畫齣變量的實例　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　列錶和元組　58
3．1　一個更有效的搜索　61
3．2　列錶和元組　63
3．2．1　動態數組：列錶　64
3．2．2　靜態數組：元組　67
3．3　小結　68
第4章　字典和集閤　69
4．1　字典和集閤如何工作　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
6．2　Python列錶還不夠嗎　99
6．3　內存碎片　103
6．3．1　理解perf　105
6．3．2　根據perf輸齣做齣抉擇　106
6．3．3　使用numpy　107
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
6．5　numexpr：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C　126
7．1　可能獲得哪種類型的速度提升　127
7．2　JIT和AOT編譯器的對比　129
7．3　為什麼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
7．6　Cython　131
7．6．1　使用Cython編譯純Python版本　132
7．6．2　Cython注解來分析代碼塊　134
7．6．3　增加一些類型注解　136
7．7　Shed Skin　140
7．7．1　構建擴展模塊　141
7．7．2　內存拷貝的開銷　144
7．8　Cython和numpy　144
7．9　Numba　148
7．10　Pythran　149
7．11　PyPy　151
7．11．1　垃圾收集的差異　152
7．11．2　運行PyPy並安裝模塊　152
7．12　什麼時候使用每種工具　154
7．12．1　其他即將齣現的項目　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
7．13．1　ctypes　158
7．13．2　cffi　160
7．13．3　f2py　163
7．13．4　CPython模塊　166
7．14　小結　170
第8章　並發　171
8．1　異步編程介紹　172
8．2　串行爬蟲　175
8．3　gevent　177
8．4　tornado　182
8．5　AsyncIO　185
8．6　數據庫的例子　188
8．7　小結　191
第9章　multiprocessing模塊　193
9．1　multiprocessing模塊綜述　196
9．2　使用濛特卡羅方法來估算Pi　198
9．3　使用多進程和多綫程來估算Pi　199
9．3．1　使用Python對象　200
9．3．2　並行係統中的隨機數　207
9．3．3　使用numpy　207
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
9．5．2　Na ve Pool解決方案　225
9．5．3　Less 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
10．2．2　Skype的24小時全球中斷　255
10．3　通用的集群設計　255
10．4　怎樣啓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　為魯棒生産集群的NSQ　265
10．7．1　隊列　265
10．7．2　發布者/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RAM　273
11．1　基礎類型的對象開銷高　274
11．2　理解集閤中的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
11．6．2　K最小值　295
11．6．3　布隆過濾器　298
11．6．4　LogLog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Python　312
12．1．2　SoMA的設計　312
12．1．3　我們的開發方法論　313
12．1．4　維護SoMA　313
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　最佳時機　314
12．2．2　優化方麵的教訓　316
12．2．3　總結　318
12．3　在Lyst．com的大規模産品化的機器學習　318
12．3．1　Python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
12．4．1　Python在Smesh中的角色　321
12．4．2　平颱　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
12．5　PyPy促成瞭成功的Web和數據處理係統　324
12．5．1　先決條件　325
12．5．2　數據庫　325
12．5．3　Web應用　326
12．5．4　OCR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
12．6．1　Python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
Python高性能編程 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

物流速度很快，書的質量很好，紙質摸起來很舒服。

評分☆☆☆☆☆

書的質量特彆好 彩印 著急買 也沒等到優惠券 據說是一本非常好的書 希望我能看完

評分☆☆☆☆☆

針對有一定基礎的人用。不適閤初學者

評分☆☆☆☆☆

已經有瞭一定的Python基礎，現在該學習一點高階的瞭，書很好，好評

評分☆☆☆☆☆

從外觀到內容，都可以給5分的一本書。python入門簡單，用一段之後，有興趣的推薦翻翻看看。

評分☆☆☆☆☆

學無止境慢慢看吧?學無止境慢慢看吧?學無止境慢慢看吧?

評分☆☆☆☆☆

大牛寫得書，就是不一樣。高度不一樣，角度不一樣。必須拜讀。

評分☆☆☆☆☆

發現自己好多不足，其實是自己缺少關注高級和性能編程，努力提高自己

評分☆☆☆☆☆

物流很快，包裝也很完整，超值購買，紙張也很不錯，好好看看。

類似圖書 點擊查看全場最低價

查看全網最低價