這篇文章會提供一些優化代碼的工具。會讓代碼變得更簡潔，或者更迅速。
當然這些並不能代替算法設計，但是還是能讓Python加速很多倍。
其實前面講算法的文章，也有提到過。比如適用於雙向隊列的 deque，以及在合適的條件下運用 bisect 和 heapq 來提升算法的性能。
而且前面也提到過，Python提供了當今最高級也是最有效的排序算法(list.sort)。
另外還有一個功能多樣又迅速的散列表(dict)。而且如果寫迭代器封裝、功能性代碼或者是某種額外擴展的時候，或許 CyToolz可以用得到。當然在itertools和 functools模塊 中，還有很多函數可以帶來很高效的代碼。
這篇文章主要講優化單處理器的代碼，下面會介紹一些一些高效的函數實現，也有已經封裝好的拓展模塊，還包括速度更快的Python解釋器。
當然多處理器版本確實能大幅提高運行效率。如果想了解多核編程，可以從multiprocessing模塊開始。而且也能找到非常多的關於分佈式計算的第三方工具。這裏可以看一下Python wiki上的關於Parallel Processing的內容。
接下來，會說一些關於Python加速工具的選單。
1.NumPy、SciPy、Sage和Pandas
先說，NumPy。它的核心是一個多維數字數組的實現。除了這個數據結構之外，還實現了若干個函數和運算符，可以高效地進行數組運算。並且對於被調用的次數進行了精簡。它可以被用來進行極其高效的數學運算。
SciPy和Sage都將NumPy內置爲自身的一部分，同時內置了其他的不同的工具，從而可以用於特定科學、數學和高性能計算的模塊。
Pandas是一個側重於數據分析的工具。如果處理大量半結構化數據的時候，可能也會用到Pandas相關的工具，比如Blaze。
2.PyPy、Pyston、Parakeet、Psyco和Unladen Swallow
讓代碼運行的更快，侵入性最小的就是使用實時編譯器(JIT編譯)。以前的話我們可以直接安裝Psyco。安裝之後導入psyco，然後調用psyco.full()。代碼運行速度就可以明顯提升。運行Python代碼的時候，它可以實時監控程序，會將一部分代碼編譯爲了機器碼。
現在好多Psyco等加速器的項目已經停止維護了，不過類似的功能在PyPy中得到了繼承。
PyPy爲了方便分析、優化和翻譯，用Python語言將Python重新實現了一遍，這樣就可以JIT編譯。而且PyPy可以直接將代碼翻譯成像C那樣的性能更高的語言。
Unladen Swallow是一個Python的JIT編譯器。是Python解釋器的一本版本，被稱爲底層虛擬機(LLVM)。不過這個開發已經停止了。
Pyston是一個與LLVM平臺較爲接近的Python的JIT編譯器。很多時候已經優於Python的實現，但不過還有很多地方不完善。
3.GPULib、PyStream、PyCUDA和PyOpenCL
這四個都是用在圖像處理單元來實現代碼的加速。前面講的都是用代碼優化來實現加速的。而這些都是從硬件層面上進行加速，如果有一個強大的GPU，我們可以用GPU來計算，從而減少CPU寶貴的資源。
PyStream古老一點。GPULib提供了基於GPU的各種形式的數據計算。
如果用GPU加速自己的代碼，可以用PyCUDA和PyOpenCL。
4.Pyrex、Cython、Numba和Shedskin
這四個項目都致力於將Python代碼翻譯爲C、C++和LLVM的代碼。Shedskin會將代碼編譯爲C++語言。Pyrex、Cython編譯的主要目標是C語言。Cython也是Pyrex的一個分支。
而且，Cython還有NumPy數組的額外支持。
如果面向數組和數學計算的時候，Numba是更好的選擇導入時會自動生成相應的LLVM的代碼。升級版本是NumbaPro，還提供了對GPU的支持。
5.SWIG、F2PY和Boost.Python
這些工具可以將其他的語言封裝爲Python的模塊。第一個可以封裝C/C++語言。F2PY可以封裝Fortran。Boost.Python可以封裝C++語言。
SUIG只要啓動一個命令行工具，往裏面輸入C或者C++的頭文件，封裝器代碼就會自動生成。除了Python，而且可以成爲其他語言的封裝器，比如Java和PHP。
6.ctypes、llvm-py和CorePy2
這些模塊可以幫助我們實現Python底層對象的操作。ctypes模塊可以用於在內存中構建編譯C的對象。並且調用共享庫中的C的函數。不過ctypes已經包含在Python的標準庫裏面了。
llvm-py主要提供LLVM的Python接口。以便於構建代碼，然後編譯他們。也可以在Python中構建它的編譯器。當然搞出自己編程語言也是可以的。
CorePy2也可以進行加速，不過這個加速是運行在彙編層的。
7.Weave、Cinpy和PyInline
這三個包，就可以讓我們在Python代碼中直接使用C語言或者其他的高級語言。混合代碼，依然可以保持整潔。可以使用Python代碼的字符串的多行特性，可以使其他的代碼按照自身的風格來進行排版。
8.其他工具
如果我們要節省內存，就不能使用JIT了。一般JIT都太耗費內存。有一句話說的很對，時間和內存經常不能兼得，而我們在工程開發中，總是要尋找他們的平衡點。
至於其他的一些東西，比如Micro Python項目，這個是用在嵌入式設備或者微控制器上面使用的。
如果只是想在Python環境中工作，然後想用別的語言，可以看看這個項目Julia。
作者：linuxer小橡皮
來源：https://zhuanlan.zhihu.com/p/31044229