《极速Python：高性能编码、计算与数据分析》系统性地介绍了Python高性能编程的各种工具和方法，并重点讲解了Python在大数据中的应用。书中配有清晰的示例和详实的分析，可帮助读者熟练掌握NumPy和Pandas，实现高性能的数据存储和I/O。本书高屋建瓴、不留遗漏，读者学习本书后，能从代码到架构对系统进行整体优化。 主要内容 ● 使用Cython重构关键代码。 ● 设计健壮的数据结构。 ● 精简不同架构的代码。 ● 实现Python GPU计算。

"　　Tiago Rodrigues Antão拥有信息学工程学士学位和生物信息学博士学位。他目前从事生物技术工作，使用Python生态来处理科学计算和数据工程任务。大多数时候，他也使用底层编程语言(如C和Rust)对算法的关键部分进行优化。目前，他在基于Amazon AWS的云计算设备上进行开发，但使用的基本是本地计算集群。除了业内经历，他在科学计算方面有两段学术经历，包括在剑桥大学和牛津大学从事数据分析博士后研究工作。作为蒙大拿大学的研究员，他从零开始创建了用于分析生物数据的整套科学计算方法。Tiago是重要生物信息软件包Biopython(用Python编写)的共同作者之一，也是Bioinformatics with Python Cookbook(Packt出版社，2022)一书的作者，该书已出版了第3版。他还在生物信息学领域发表了多篇重要的科研论文。"

前　　言 若干年前，我们团队正在使用的基于Python的数据管道突然崩溃，导致某个进程持续占用CPU。该组件对公司业务至关重要，因此必须尽快解决该问题。我们核查了算法，始终没有发现问题。算法的实现步骤其实非常简单，但经过多名工程师的数小时排查，才发现问题在于程序在一个非常大的列表上进行搜索。在将列表转换为集合后，问题就迎刃而解了。最终，数据结构不仅变得更小，搜索时间也从数小时降低到毫秒级别。 这次故障对我触动很大： ● 虽然问题并不严重，但暴露出团队在开发过程中并不关注性能问题。如果经常使用代码分析器，我们就能在几分钟内发现问题，而不是耗费了好几个小时。 ● 我们最终解决了问题，并且取得了双赢的结果，不仅程序查询时间更短，占用内存也更少。虽然在许多情况下，面对性能和成本需要做出取舍，但在某些情况下，兼顾两者不仅能获得满意的结果，还没有任何负面影响。 ● 从更高的角度审视，结果也是双赢的。首先，查询速度更快非常有利于公司业务。其次，算法经过优化后，使用CPU的时间更短、耗能更低，也更加环保。 ● 虽然单个案例意义有限，但我意识到许多程序员或许都在寻找类似的优化解决方案。 因此，我决定编写本书，以便其他程序员可以从中受益。我的目标是帮助经验丰富的Python程序员设计和实现更高效的解决方案，同时能够了解底层的权衡机制。我将采用全面且透彻的方式，通过探讨Python代码和重要的Python库，从算法角度来探究现代硬件架构及其影响，并分析CPU和存储性能。希望本书能够帮助读者在使用Python生态进行开发时，游刃有余地处理性能问题。 关 于 本...