重磅干货，第一时间送达
一，分析代码运行时间
第1式，测算代码运行时间
平凡方法
快捷方法（jupyter环境）
第2式，测算代码多次运行平均时间
平凡方法
快捷方法（jupyter环境）
第3式，按调用函数分析代码运行时间
平凡方法
快捷方法（jupyter环境）
第4式，按行分析代码运行时间
平凡方法
快捷方法（jupyter环境）
二，加速你的查找
第5式，用set而非list进行查找
低速方法
高速方法
第6式，用dict而非两个list进行匹配查找
低速方法
高速方法
三，加速你的循环
第7式，优先使用for循环而不是while循环
低速方法
高速方法
第8式，在循环体中避免重复计算
低速方法
高速方法
四，加速你的函数
第9式，用循环机制代替递归函数
低速方法
高速方法
第10式，用缓存机制加速递归函数
低速方法
高速方法
第11式，用numba加速Python函数
低速方法
高速方法
五，使用标准库函数进行加速
第12式，使用collections.Counter加速计数
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，使用高阶函数进行加速
第14式，使用map代替推导式进行加速
低速方法
高速方法
第15式，使用filter代替推导式进行加速
低速方法
高速方法
七，使用numpy向量化进行加速
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文件读写代替excel文件读写
低速方法
高速方法
第20式， 使用pandas多进程工具pandarallel
低速方法
高速方法
九，使用Dask进行加速
第21式，使用dask加速dataframe
低速方法
高速方法
第22式，使用dask.delayed进行加速
低速方法
高速方法
十，应用多线程多进程加速
第23式，应用多线程加速IO密集型任务
低速方法
高速方法
第24式，应用多进程加速CPU密集型任务
低速方法
高速方法
专注于数据科学领域的知识分享
欢迎在文章下方留言与交流
小编整理的一整套系统的py thon学习教程从最基础的到框架再到项目实战的学习资料都有整理，送给每一位小伙伴, 有想学习py thon编程的，或是转行，或是大学生，还有工作中想提升自己能力的，正在学习的小伙伴欢迎加入学习。
加扣裙：835017344，此群的用途是仅供给CSDN粉丝交流使用。