云哥前期从以下九个方面讨论了加速Python的具体方法，一共24个，每个都带有优化前后的对比，非常实用。
分析代码运行时间
加速查找
加速循环
加速函数
实用标准库加速
Numpy向量化加速
加速Pandas
Dask加速
多线程多进程加速
我在此基础上主要美化了编辑，方便读者更容易阅读学习。
一 、分析代码运行时间
1 测算代码单次运行时间
平凡法：
快捷法(Jupyter)：
2 测算代码重复执行多次平均用时
平凡法：
快捷法(Jupyter)：
3 按调用函数分析代码运行时间
平凡法：
快捷法(Jupyter)：
4 按行分析代码运行时间
平凡法：
快捷法(Jupyter)：
二、加速你的查找
5 用set而非list进行in查找
低速法：
高速法：
6 用dict而非两个list进行匹配查找
低速法：
高速法：
三、加速你的循环
7 优先使用for循环而不是while循环
低速法：
高速法：
8 循环体中避免重复运算
低速法：
高速法：
四、加速你的函数
9、用缓存机制加速递归函数
低速法：
高速法：
10、用循环取代递归
低速法：
高速法：
11、 使用Numba加速Python函数
低速法：
高速法：
五、使用标准库函数进行加速
12、使用collections.Counter类加速计数
低速法：
高速法：
13、使用collections.ChainMap加速字典合并
低速法：
高速法：
六、使用numpy向量化进行加速
14、使用np.array代替list
低速法：
高速法：
15、使用np.ufunc代替math.func
低速法：
高速法：
16、使用np.where代替if
低速法：
高速法：
七、加速你的Pandas
低速法：
高速法：
18、避免动态改变DataFrame的行数
低速法：
高速法：
19、使用csv文件读写代替xlsx文件读写
低速法：
高速法：
20、使用pandas多进程工具pandarallel
低速法：
高速法：
八、使用Dask进行加速
21、使用dask加速dataframe
低速法：
高速法：
22、使用dask.delayed应用多进程加速
低速法：
高速法：
九、应用多线程多进程加速
23、使用多线程提升IO密集任务效率
低速法：
高速法：
24、使用多进程提升CPU密集任务效率
低速法：
高速法：
文章主要参考公众号：Python与算法之美，欢迎关注。
推荐阅读：
本文分享自微信公众号 - Python与算法社区（alg-channel）。
如有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一起分享。
来源：oschina
链接：https://my.oschina.net/u/4585819/blog/4582328