Fast Python), и вы можете приобрести ее как в бумажном виде, так и в PDF, со специальными промокодами для участников нашей группы на скидку 22-25% (в конце поста)!
Книга довольно объемная, с минимумом рисунков и максимумом примеров. Ниже перечислены темы, которые очень полно освещаются в книге:
– Профилирование кода на Python с поиском узких мест (cProfile, SnakeViz, line_profiler);
– Оптимизация работы базовых структур данных Python: списки, множества и словари и их вычислительная сложность;
– Поиск избыточного выделения памяти, правильная оценка памяти, занимаемой объектами;
– Ленивые вычисления и генераторы для работы с большими данными;
– Конкурентность, многопоточность, многопроцессность, параллелизм, асинхронность, сопрограммы, map-reduce (multiprocessing, threading, concurrent.futures, asyncio) – если вам интересно, как можно запускать обработку в разных процессах и потоках, здесь это всё есть;
– оптимизация работы NumPy: транслирование, векторизация, настройка внутренней архитектуры NumPy;
– Реализация критически важного кода с помощью Cython (обход ограничений GIL, преобразование кода Python в C, параллелизм и профилирование в Cython);
– Иерархия памяти и хранение данных: кеш процессора, Blosc, сжатие данных, библиотека NumExpr, использование протокола UDP;
– Высокопроизводительный pandas и Apache Arrow, взаимодействие pandas с NumPy, Cython и NumExpr, использование сервера Plasma;
– Хранение больших данных: fsspec, Parquet, Zarr;
– Задействование в вычислениях графического процессора: архитектура GPU, использование JIT-компилятора Numba, CuPy, CUDA C;
– Распределенные вычисления с использованием библиотеки Dask: распределенные датафреймы, секционирование, планировщик.
Все вопросы по этой и другим книгам переводчика Александра Гинько вы можете задать на его канале https://t.me/alexanderginko_books. Там же есть анонсы и промокоды на все книги.
Как купить книгу? Переходите по ссылке ниже, положите книгу (бумажную или PDF) в корзину, введите в поле «Промокод» один из указанных промокодов и нажмите на кнопку «Применить».
Ссылка для покупки:
https://dmkpress.com/catalog/computer/programming/python/978-5-93700-226-6/
Промокод на бумажную версию со скидкой 22% (цена 1403 рубля): FPython_ru_python_paper
Промокод на версию PDF со скидкой 25% (цена 1349 рублей): FPython_ru_python_PDF
Сверхбыстрый и Python несовместимы
Ну-ка. На чем, например, быстрее матрицы перемножать?
надо попробовать на расте поперемножать
А есть либы? Или в лоб?
Сразу на ассемблере, что уж
Ставлю на специализированный язык для перемеожения матриц
Понятия не имею, я имел в виду абстрактный язык
есть nalgebra, например
На R не быстрее будет?
причём там кажется есть даже какие-то оптимизации для матриц размер которых известен во время компиляции
C++, уверен что есть куча библиотек
Жду бенчамарков от утверждающего
Кто будет сравнивать питон и плюсы?
Ты, раз утверждаешь что на плюсах быстрее будет
https://stackoverflow.com/questions/7596612/benchmarking-python-vs-c-using-blas-and-numpy Читать коммент с галочкой
так тезис изначально такой был)
"несовместимы" означает что в любой задаче это невозможно. То есть можно взять любую задачу и проверить. Если хоть одна найдется, значит все таки иногда совместимы и тезис неверен.
Я отвечал не тебе, а человеку без ника. Он просто начал писать "Так почему все не пишут на питоне раз он такой быстрый?"
Сорри. Этот его тезис все равно неверный. Очень много пишут на питоне
Обсуждают сегодня