High Performance Python, 2. Auflage

Index

Symbole

• %memit, Objekte für Primitive sind teuer, Verstehen des in einer Sammlung verwendeten RAM
• %timeit-Funktion, Effizientes Profiling, Einfache Ansätze für Timing-Print und einen Decorator, Unterschiedliche Ansätze, unterschiedliche Komplexität, Es gibt mehr als einen (und möglicherweise einen schnelleren) Weg, einen Auftrag zu erledigen
• -p portability flag, Einfache Zeitmessung mit dem Unix-Befehl time
• / (Ganzzahldivision/Fließkommadivision), Änderungen ab Python 2.7
• 1D-Diffusion, Einführung in das Problem
• 2D-Diffusion, Einführung in das Problem
• 32-bit Python, Python 3
• 64-bit Python, Python 3
• >> (Sprungpunkte), Mit dem dis Modul CPython Bytecode untersuchen
• @jit decorator, Numba, Numba, Bewährte Methoden und Empfehlungen, Bewährte Methoden und Empfehlungen
• @profile decorator, No-op @profile Decorator

A

• abs-Funktion, Warum helfen Typinformationen dabei, dass der Code schneller läuft, Hinzufügen einiger Typ-Anmerkungen
• Beschleunigen, Numpy-Daten mit Multiprocessing teilen
• Adaptive Lab, Adaptive Lab's Social Media Analytics (2014)-Ratschlägefür andere Ingenieure
• Aho-Corasick trie, High Performance Real-Time String Matching
• aiohttp, aiohttp-SharedCPU-I/O Workload
• Airflow, Asynchrones Hinzufügen von Aufträgen zur Warteschlange, Andere Clustering-Tools im Blick
• Algorithmen, Listen und Tupel, Iteratoren und Generatoren,K-Minimalwerte-K-Minimalwerte
• Amazon EC2, Allgemeine Cluster-Designs, Unsere Entwicklungsmethodik, Cluster-Design
• Amazon Machine Image, Wege zur Vermeidung von Schmerzen bei der Verwendung ...