一，分析代碼運行時間
第1式，測算代碼運行時間
平凡方法
快捷方法（jupyter環境）
第2式，測算代碼多次運行平均時間
平凡方法
快捷方法（jupyter環境）
第3式，按調用函數分析代碼運行時間
平凡方法
快捷方法（jupyter環境）
第4式，按行分析代碼運行時間
平凡方法
快捷方法（jupyter環境）
二，加速你的查找
第5式，用set而非list進行查找
低速方法
高速方法
第6式，用dict而非兩個list進行匹配查找
低速方法
高速方法
三，加速你的循環
第7式，優先使用for循環而不是while循環
低速方法
高速方法
第8式，在循環體中避免重復計算
低速方法
高速方法
四，加速你的函數
第9式，用循環機制代替遞歸函數
低速方法
高速方法
第10式，用緩存機制加速遞歸函數
低速方法
高速方法
第11式，用numba加速Python函數
低速方法
高速方法
五，使用標準庫函數進行加速
第12式，使用collections.Counter加速計數
低速方法
高速方法
第13式，使用collections.ChainMap加速字典合并
低速方法
高速方法
六，使用高階函數進行加速
第14式，使用map代替推導式進行加速
低速方法
高速方法
第15式，使用filter代替推導式進行加速
低速方法
高速方法
七，使用numpy向量化進行加速
第16式，使用np.array代替list
低速方法
高速方法
第17式，使用np.ufunc代替math.func
低速方法
高速方法
第18式，使用np.where代替if
低速方法
高速方法
八，加速你的Pandas
第19式，使用csv文件讀寫代替excel文件讀寫
低速方法
高速方法
第20式，使用pandas多進程工具pandarallel
低速方法
高速方法
九，使用Dask進行加速
第21式，使用dask加速dataframe
低速方法
高速方法
第22式，使用dask.delayed進行加速
低速方法
高速方法
十，應用多線程多進程加速
第23式，應用多線程加速IO密集型任務
低速方法
高速方法
第24式，應用多進程加速CPU密集型任務
低速方法
高速方法
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
