Python性能分析與優(yōu)化

定　價：￥45.00

作　者：	（烏拉圭）多格里奧（Fernando,Doglio）
出版社：	人民郵電出版社
叢編項：
標(biāo)　簽：	暫缺

購買這本書可以去

ISBN：	9787115424228	出版時間：	2016-06-01	包裝：
開本：	16開	頁數(shù)：	178	字?jǐn)?shù)：

內(nèi)容簡介

　　本書首先介紹什么是性能分析，性能分析如何在項目開發(fā)周期中發(fā)揮作用，以及通過在項目中進(jìn)行性能分析實踐能夠取得的效果。緊接著介紹分析性能所需的核心工具（性能分析器和可視化性能分析器）。然后介紹一系列性能優(yōu)化技術(shù)，后一章會介紹一個具有實際意義的優(yōu)化案例。

作者簡介

　　Fernando DoglioGlobant公司軟件架構(gòu)師。過去十年一直從事Web開發(fā)工作，期間使用了大多數(shù)前沿的技術(shù)，如PHP、Ruby on Rails、MySQL、Python、Node.js、AngularJS、REST API等。Fernando喜歡鉆研新事物，他的GitHub賬戶每個月也會因此獲得回購。他還是開源擁護(hù)者，并通過網(wǎng)站lookingforpullrequests.com來獲得人們的支持。Fernando另著有Pro REST API Development with Node.js。他的Twitter賬號是@deleteman123。

圖書目錄

目錄
第1 章性能分析基礎(chǔ) 1
1．1　什么是性能分析　1
1．1．1　基于事件的性能分析　2
1．1．2　統(tǒng)計式性能分析　4
1．2　性能分析的重要性　5
1．3　性能分析可以分析什么　6
1．3．1　運(yùn)行時間　6
1．3．2　瓶頸在哪里　8
1．4　內(nèi)存消耗和內(nèi)存泄漏　8
1．5　過早優(yōu)化的風(fēng)險　11
1．6　運(yùn)行時間復(fù)雜度　12
1．6．1　常數(shù)時間——O(1)　12
1．6．2　線性時間——O(n)　12
1．6．3　對數(shù)時間——O(logn)　13
1．6．4　線性對數(shù)時間——O(nlogn)　14
1．6．5　階乘時間——O(n!)　15
1．6．6　平方時間——O(n2)　16
1．7　性能分析最佳實踐　18
1．7．1　建立回歸測試套件　18
1．7．2　思考代碼結(jié)構(gòu)　18
1．7．3　耐心　18
1．7．4　盡可能多地收集數(shù)據(jù)　19
1．7．5　數(shù)據(jù)預(yù)處理　19
1．7．6　數(shù)據(jù)可視化　19
1．8　小結(jié)　21
第2　章性能分析器　22
2．1　認(rèn)識新朋友：性能分析器　22
2．2　cProfile　23
2．2．1　工具的局限　24
2．2．2　支持的API　24
2．2．3　Stats 類　27
2．2．4　性能分析示例　30
2．3　line_profiler　41
2．3．1　kernprof　43
2．3．2　kernprof 注意事項　43
2．3．3　性能分析示例　45
2．4　小結(jié)　53
第3　章可視化——利用GUI 理解性能分析數(shù)據(jù)　54
3．1　KCacheGrind/pyprof2calltree　54
3．1．1　安裝　55
3．1．2　用法　55
3．1．3　性能分析器示例：TweetStats　57
3．1．4　性能分析器示例：倒排索引　60
3．2　RunSnakeRun　64
3．2．1　安裝　65
3．2．2　使用方法　65
3．2．3　性能分析示例：最小公倍數(shù)　66
3．2．4　性能分析示例：用倒排索引查詢　68
3．3　小結(jié)　75
第4　章優(yōu)化每一個細(xì)節(jié)　76
4．1　函數(shù)返回值緩存和函數(shù)查詢表　76
4．1．1　用列表或鏈表做查詢表　79
4．1．2　用字典做查詢表　80
4．1．3　二分查找　80
4．1．4　查詢表使用案例　80
4．2　使用默認(rèn)參數(shù)　84
4．3　列表綜合表達(dá)式與生成器　85
4．4　ctypes　90
4．4．1　加載自定義ctypes　90
4．4．2　加載一個系統(tǒng)庫　92
4．5　字符串連接　92
4．6　其他優(yōu)化技巧　96
4．7　小結(jié)　98
第5　章多線程與多進(jìn)程　99
5．1　并行與并發(fā)　99
5．2　多線程　100
5．3　線程　101
5．3．1　用thread 模塊創(chuàng)建線程　102
5．3．2　用threading 模塊創(chuàng)建線程　106
5．4　多進(jìn)程　112
5．5　小結(jié)　117
第6　章常用的優(yōu)化方法　118
6．1　PyPy　118
6．1．1　安裝PyPy　119
6．1．2　JIT 編譯器　120
6．1．3　沙盒　121
6．1．4　JIT 優(yōu)化　122
6．1．5　代碼示例　124
6．2　Cython　126
6．2．1　安裝Cython　127
6．2．2　建立一個Cython 模塊　127
6．2．3　調(diào)用C 語言函數(shù)　129
6．2．4　定義類型　130
6．2．5　定義函數(shù)類型　131
6．2．6　Cython 示例　133
6．2．7　定義類型的時機(jī)選擇　134
6．2．8　限制條件　138
6．3　如何選擇正確的工具　139
6．3．1　什么時候用Cython　139
6．3．2　什么時候用PyPy　139
6．4　小結(jié)　140
第7　章用Numba、Parakeet 和pandas實現(xiàn)極速數(shù)據(jù)處理　141
7．1　Numba　141
7．1．1　安裝　142
7．1．2　使用Numba　144
7．2　pandas 工具　151
7．2．1　安裝pandas　151
7．2．2　用pandas 做數(shù)據(jù)分析　152
7．3　Parakeet　155
7．3．1　安裝Parakeet　156
7．3．2　Parakeet 是如何工作的　156
7．4　小結(jié)　158
第8　章付諸實踐　159
8．1　需要解決的問題　159
8．1．1　從網(wǎng)站上抓取數(shù)據(jù)　159
8．1．2　數(shù)據(jù)預(yù)處理　162
8．2　編寫初始代碼　162
8．2．1　分析代碼性能　168
8．2．2　數(shù)據(jù)分析代碼的優(yōu)化　172
8．3　小結(jié)　178