Wydajne aplikacje w języku Python! Python to skryptowy język programowania istniejący na rynku od wielu lat jego pierwsza wersja pojawiła się w 1991 roku. Przejrzystość kodu źródłowego była jednym z głównych celów Guida van Rossuma, twórcy tego języka. Dziś Python cieszy się dużą popularnością, co z jednej strony świadczy o jego przydatności, a z drugiej gwarantuje użytkownikom szerokie wsparcie społeczności programistów języka. Python jest elastyczny, dopuszcza różne style programowania, a dzięki temu znajduje zastosowanie w wielu miejscach świata IT. Jeżeli chcesz w pełni wykorzystać możliwości Pythona i tworzyć wydajne rozwiązania, to koniecznie zaopatrz się w tę książkę! Dzięki niej dowiesz się, jak wykorzystać profilowanie do lokalizowania wąskich gardeł, oraz poznasz efektywne techniki wyszukiwania danych na listach, w słownikach i zbiorach. Ponadto zdobędziesz wiedzę na temat obliczeń macierzowych i wektorowych oraz zobaczysz, jak kompilacja do postaci kodu C wpływa na wydajność Twojego rozwiązania. Osobne rozdziały zostały poświęcone współbieżności oraz modułowi multiprocessing. Opanowanie tych zagadnień pozwoli Ci ogromnie przyspieszyć działanie Twojej aplikacji. Na sam koniec nauczysz się tworzyć klastry i kolejki zadań oraz optymalizować zużycie pamięci RAM. Rozdział dwunasty to gratka dla wszystkich zawiera najlepsze porady specjalistów z branży! Książka ta jest obowiązkową lekturą dla wszystkich programistów chcących tworzyć wydajne rozwiązania w języku Python. Poznaj lepiej narzędzia numpy i Cython, a także narzędzia profilujące Dowiedz się, jak w języku Python dokonywana jest abstrakcja bazowej architektury komputera. Użyj profilowania do znajdowania wąskich gardeł związanych z wykorzystaniem czasu procesora i pamięci. Utwórz wydajne programy, wybierając odpowiednie struktury danych. Przyspiesz obliczenia oparte na macierzach i wektorach. Zastosuj narzędzia do kompilacji kodu Python do postaci kodu maszynowego. Zarządzaj jednocześnie wieloma operacjami obliczeniowymi i operacjami wejścia-wyjścia. Przekształć kod przetwarzania współbieżnego w celu uruchomienia go w klastrze lokalnym lub zdalnym. Rozwiąż duże problemy, używając mniej pamięci RAM. Wyciśnij z Pythona siódme poty!