在眾多編程語言中，Python的社區生態是其中的佼佼者之一。幾乎所有的技術痛點，例如優化代碼提升速度，在社區內都有很多成功的解決方案。本文分享的就是一份可以令 Python 變快的工具清單，值得瞭解下。

一、序言

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演算法設計，但是還是能讓Python加速很多倍。

其實前面講演算法的文章，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 來提升演算法的性能。

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演算法(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，下麵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。如果想瞭解多核編程，可以從multiprocessing模塊開始。而且也能找到非常多的關於分散式計算的第三方工具。這裡可以看一下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。

二、正文

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，還實現了若幹個函數和運算符，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內置為自身的一部分，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，它可以實時監控程式，會將一部分代碼編譯為了機器碼。

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為了方便分析、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，被稱為底層虛擬機(LLVM)。不過這個開發已經停止了。

Pyston是一個與LLVM平臺較為接近的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。而這些都是從硬體層面上進行加速，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代碼翻譯為C、C++和LLVM的代碼。Shedskin會將代碼編譯為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為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只要啟動一個命令行工具，往裡面輸入C或者C++的頭文件，封裝器代碼就會自動生成。除了Python，而且可以成為其他語言的封裝器，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模塊可以用於在記憶體中構建編譯C的對象。並且調用共用庫中的C的函數。不過ctypes已經包含在Python的標準庫裡面了。

llvm-py主要提供LLVM的Python介面。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代碼的字元串的多行特性，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

如果我們要節省記憶體，就不能使用JIT了。一般JIT都太耗費記憶體。有一句話說的很對，時間和記憶體經常不能兼得，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。

兄弟們，今天的分享就到這裡了，債見！