图书介绍
图灵程序设计丛书 Python高性能 第2版PDF|Epub|txt|kindle电子书版本网盘下载
- （加）加布丽埃勒·拉纳诺（Gabriele Lanaro） 著
- 出版社： 北京：人民邮电出版社
- ISBN：9787115488770
- 出版时间：2018
- 标注页数：184页
- 文件大小：22MB
- 文件页数：199页
- 主题词：软件工具－程序设计
PDF下载
下载说明
图灵程序设计丛书 Python高性能 第2版PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 基准测试与剖析1
1.1 设计应用程序2
1.2 编写测试和基准测试程序7
1.3 使用pytest-benchmark编写更佳的测试和基准测试程序10
1.4 使用cProfile找出瓶颈12
1.5 使用line_profiler逐行进行剖析16
1.6 优化代码17
1.7 模块dis19
1.8 使用memory_profiler剖析内存使用情况19
1.9 小结21
第2章 纯粹的Python优化22
2.1 有用的算法和数据结构22
2.1.1 列表和双端队列23
2.1.2 字典25
2.1.3 集28
2.1.4 堆29
2.1.5 字典树30
2.2 缓存和memoization32
2.3 推导和生成器34
2.4 小结36
第3章 使用NumPy和Pandas快速执行数组操作37
3.1 NumPy基础37
3.1.1 创建数组38
3.1.2 访问数组39
3.1.3 广播43
3.1.4 数学运算45
3.1.5 计算范数46
3.2 使用NumPy重写粒子模拟器47
3.3 使用numexpr最大限度地提高性能49
3.4 Pandas51
3.4.1 Pandas基础51
3.4.2 使用Pandas执行数据库式操作55
3.5 小结59
第4章 使用Cython获得C语言性能60
4.1 编译Cython扩展60
4.2 添加静态类型62
4.2.1 变量63
4.2.2 函数64
4.2.3 类65
4.3 共享声明66
4.4 使用数组67
4.4.1 C语言数组和指针67
4.4.2 NumPy数组69
4.4.3 类型化内存视图70
4.5 使用Cython编写粒子模拟器72
4.6 剖析Cython代码75
4.7 在Jupyter中使用Cython78
4.8 小结80
第5章 探索编译器82
5.1 Numba82
5.1.1 Numba入门83
5.1.2 类型特殊化84
5.1.3 对象模式和原生模式85
5.1.4 Numba和NumPy88
5.1.5 JIT类91
5.1.6 Numba的局限性94
5.2 PyPy项目95
5.2.1 安装PyPy95
5.2.2 在PyPy中运行粒子模拟器96
5.3 其他有趣的项目97
5.4 小结97
第6章 实现并发性98
6.1 异步编程98
6.1.1 等待I/O99
6.1.2 并发99
6.1.3 回调函数101
6.1.4 future104
6.1.5 事件循环105
6.2 asyncio框架108
6.2.1 协程108
6.2.2 将阻塞代码转换为非阻塞代码111
6.3 响应式编程113
6.3.1 被观察者113
6.3.2 很有用的运算符115
6.3.3 hot被观察者和cold被观察者118
6.3.4 打造CPU监视器121
6.4 小结123
第7章 并行处理124
7.1 并行编程简介124
7.2 使用多个进程127
7.2.1 Process和Pool类127
7.2.2 接口Executor129
7.2.3 使用蒙特卡洛方法计算pi的近似值130
7.2.4 同步和锁132
7.3 使用OpenMP编写并行的Cython代码134
7.4 并行自动化136
7.4.1 Theano初步137
7.4.2 Tensorflow142
7.4.3 在GPU中运行代码144
7.5 小结146
第8章 分布式处理148
8.1 分布式计算简介148
8.2 Dask151
8.2.1 有向无环图151
8.2.2 Dask数组152
8.2.3 Dask Bag和DataFrame154
8.2.4 Dask distributed158
8.3 使用PySpark161
8.3.1 搭建Spark和PySpark环境161
8.3.2 Spark架构162
8.3.3 弹性分布式数据集164
8.3.4 Spark DataFrame168
8.4 使用mpi4py执行科学计算169
8.5 小结171
第9章 高性能设计173
9.1 选择合适的策略173
9.1.1 普通应用程序174
9.1.2 数值计算代码174
9.1.3 大数据176
9.2 组织代码176
9.3 隔离、虚拟环境和容器178
9.3.1 使用conda环境178
9.3.2 虚拟化和容器179
9.4 持续集成183
9.5 小结184