私信我或关注微讯号：猿来如此呀，回复：学习，获取免费学习资源包。
一，分析程式码执行时间
第1式，测算程式码执行时间
平凡方法
快捷方法（jupyter环境）
第2式，测算程式码多次执行平均时间
平凡方法
快捷方法（jupyter环境）
第3式，按呼叫函式分析程式码执行时间
平凡方法
快捷方法（jupyter环境）
第4式，按行分析程式码执行时间
平凡方法
快捷方法（jupyter环境）
二，加速你的查询
第5式，用set而非list进行查询
低速方法
高速方法
第6式，用dict而非两个list进行匹配查询
低速方法
高速方法
三，加速你的循环
第7式，优先使用for循环而不是while循环
低速方法
高速方法
第8式，在循环体中避免重复计算
低速方法
高速方法
四，加速你的函式
第9式，用循环机制代替递回函式
低速方法
高速方法
第10式，用快取机制加速递回函式
低速方法
高速方法
第11式，用numba加速Python函式
低速方法
高速方法
五，使用标准库函式进行加速
第12式，使用collections.Counter加速计数
低速方法
高速方法
第13式，使用collections.ChainMap加速字典合并
低速方法
高速方法
六，使用高阶函式进行加速
第14式，使用map代替推导式进行加速
低速方法
高速方法
第15式，使用filter代替推导式进行加速
低速方法
高速方法
七，使用numpy向量化进行加速
第16式，使用np.array代替list
低速方法
高速方法
第17式，使用np.ufunc代替math.func
低速方法
高速方法
第18式，使用np.where代替if
低速方法
高速方法
八，加速你的Pandas
第19式，使用csv档案读写代替excel档案读写
低速方法
高速方法
第20式，使用pandas多程序工具pandarallel
低速方法
高速方法
九，使用Dask进行加速
第21式，使用dask加速dataframe
低速方法
高速方法
第22式，使用dask.delayed进行加速
低速方法
高速方法
十，应用多执行绪多程序加速
第23式，应用多执行绪加速IO密集型任务
低速方法
高速方法
第24式，应用多程序加速CPU密集型任务
低速方法
高速方法
来源网络，侵权联络删除
