图灵程序设计丛书 Python高性能 第2版pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
下载压缩包 [复制下载地址] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页

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

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dis 19

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memoization 32

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 Pandas 51

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Cython 78

4.8 小结 80

第5章 探索编译器 82

5.1 Numba 82

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NumPy 88

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PyPy 95

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/O 99

6.1.2 并发 99

6.1.3 回调函数 101

6.1.4 future 104

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Executor 129

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 Tensorflow 142

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 Dask 151

8.2.1 有向无环图 151

8.2.2 Dask数组 152

8.2.3 Dask Bag和DataFrame 154

8.2.4 Dask distributed 158

8.3 使用PySpark 161

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 DataFrame 168

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