python 運行效率低，這對于有些任務不太友好，特別是大量的數據處理任務，如何提高數據處理的效率，本人有幾點體會。
1、盡量使用 numpy 進行處理，比如數組不要用 list 創建，而是用 np.array創建
2、盡量使用 numpy 自帶函數進行處理，比如計算數組a的長度，用 a.shape[0]，而不是 len(a)
3、盡量避免 numpy 和 Python 自帶的語法混合編程，如盡量少用 list，dict 等數據結構
4、盡量避免循環，特別是多重循環
5、如果循環不可避免，則循環形式盡可能接近 c 語言風格，比如采用 for i in range(a.shape[0]，而不是 for item in a。最后加上大殺器 numba 模塊，則有時可使循環提速百倍以上。注意numba模塊只需加入有循環的模塊，所以盡可能使循環模塊封裝成一個獨立函數，此函數盡可能簡單，最簡單到只有循環模塊。
6、 numpy 自帶函數都是經過優化的，使用 numba 幾乎達不到優化效果
7、其他知名模塊如 scipy， 也都是經過優化的，使用 numba 幾乎達不到優化效果
8、最后優化會使代碼難以調試，容易出錯，所以優化是最后進行且只對程序熱點進行優化
9、多進程有時不僅不能提高效率，反而使效率減小很多倍。

總結

以上是生活随笔為你收集整理的numpy 加速心得的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。