兒童國際書展
高效能Python程式設計 第三版|寫給人類的高性能編程法
(0)

高效能Python程式設計 第三版|寫給人類的高性能編程法

High Performance Python, 3E

  • 定價:980
  • 優惠價:79774
  • 優惠期限:2026年04月18日止
  • 運送方式:
  • 臺灣與離島
  • 海外
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
  • 可配送點:台灣、蘭嶼、綠島、澎湖、金門、馬祖
載入中...
  • 分享
 

內容簡介

突破效能瓶頸,掌握多核心、GPU加速與大規模資料處理技巧。
實務方法×業界案例,帶你用Python打造生產級效能。
跨越記憶體限制、善用GPU,GenAI與生產化ML的最佳效能解方。

「Ian與Micha的新書不僅介紹現代效能工具,也深入探討程式優化的普遍原則。每一位Python開發者都應該閱讀此書!」
— Mikhail Timonin,量化開發者,Engelhart

不論你是要處理龐大資料、打造AI產品,還是單純想讓程式更流暢,新版都提供了比前版更強化的工具與方法,讓你的Python程式真正跑出高效能。

收錄GenAI、機器學習產品化等實戰案例,讓你的Python程式在真實環境中全面升級。

----------------------------------------------------

或許你的Python程式已經能正確運行,但若能跑得更快,會為你帶來什麼改變?全新第三版《高效能Python程式設計》將引導你找出程式在高資料量環境下的效能瓶頸,並透過各種設計方法與背後的理論基礎,幫助你更深入理解Python的運作,進而寫出真正高效的程式碼。

本書不只涵蓋多核心、叢集與編譯的技巧,也帶你探索如何突破RAM限制、活用GPU加速,甚至在 GenAI、機器學習產品化等場景中提升效能。你將看到許多來自業界的實戰案例,這些公司如何善用高效能Python進行社群分析、AI應用到生產級系統。作者Micha Gorelick與Ian Ozsvald更分享了多年經驗與實用方法,幫助資深Python開發者在不犧牲可靠性的前提下,靈活擴展或縮小系統,迎戰真實世界的效能挑戰。

> 更深入掌握NumPy、Cython與效能分析器。
> 瞭解Python如何將底層電腦架構抽象化。
> 進行效能分析來找出CPU時間與記憶體的使用瓶頸。
> 利用合適的資料結構來寫出高效的程式。
> 提升矩陣與向量運算的速度。
> 使用Pandas、Dask與Polars來快速處理DataFrame。
> 加快神經網路與GPU的計算速度。
> 使用工具來將Python編譯為機器碼。
> 同時管理多個I/O與計算操作。
> 轉換multiprocessing程式碼,並在本地或遠端叢集上運行。
 

作者介紹

Micha Gorelick 是機器學習研究者與工程師、教育者,且積極提倡顧及社會責任的運算。
Ian Ozsvald 是倫敦的獨立首席資料科學家,負責指導團隊、教授課程,並打造資料產品。
 

目錄

第一章 瞭解高性能Python
基本電腦系統
理想化的計算vs. Python虛擬機器
那為什麼還要用Python?
如何成為高效能的程式開發者
Python的未來

第二章 透過效能分析來找出瓶頸
有效率地分析
介紹Julia set
計算完整的Julia set
簡單的計時法—print與decorator
使用Unix time命令來做簡單的計時
使用cProfile模組
使用SnakeViz來將cProfile的輸出視覺化
使用line_profiler來逐行測量
使用memory_profiler來診斷記憶體的使用情況
一起分析CPU與記憶體:使用Scalene
用PySpy來自檢既有的程序
在時間軸上做互動式呼叫堆疊分析:使用VizTracer
Bytecode:檢視底層
在優化過程中進行單元測試,以維持正確
成功分析程式碼的策略

第三章 串列與tuple
更有效率的搜尋法
串列vs. tuple

第四章 字典與集合
字典與集合如何運作?

第五章 迭代器與產生器
處理無限序列的迭代器
延後產生器求值

第六章 矩陣與向量計算
問題介紹
Python串列不夠好嗎?
記憶體碎片化
用numpy來處理擴散問題
numexpr:讓就地操作更快速與更輕易
圖形處理單元(GPU)
警世故事:驗證「優化」(scipy)
從矩陣優化得到的教訓

第七章 Pandas、Dask與Polars
Pandas
使用Dask來處理分散的資料結構與DataFrame
用Polars來獲得快速的DataFrames

第八章 編譯為C
可能提升多少速度?
JIT vs. AOT編譯器
為何型態資訊可幫助程式跑得更快?
使用C編譯器
再談Julia set範例
Cython
pyximport
Cython與numpy
Numba
PyPy
速度改善方法總結
使用各項技術的時機
外部函式介面

第九章 非同步I/O
非同步編程簡介
async/await如何運作?
共享CPU–I/O工作負載

第十章 multiprocessing模組
multiprocessing模組概要
使用Monte Carlo法來估計pi
使用程序與執行緒來估計pi
尋找質數
使用跨程序通訊來檢驗質數
使用multiprocessin來共享numpy資料
同步檔案與變數存取

第十一章 叢集與任務佇列
叢集的好處
叢集的缺點
常見的叢集設計
如何開始採用叢集方案
在使用叢集時避免痛苦的方法
兩種叢集方案
其他可以研究的叢集工具
Docker

第十二章 使用更少RAM
基本型態物件很昂貴
瞭解集合使用多少RAM
Bytes vs. Unicode
在RAM中有效率地儲存許多文字
為更多文字建模:使用scikit-learn的FeatureHasher
DictVectorizer與FeatureHasher簡介
SciPy的稀疏矩陣
關於使用更少RAM的小提示
機率式資料結構

第十三章 來自現場的教訓
開發高效能機器學習演算法
新聞領域中的高效能運算
來自網路再保險領域的經驗
量化金融領域裡的Python
保持彈性以實現高效能
使用Feature-engine來改進特徵工程作業線(2020)
高效能的資料科學團隊(2020)
Numba(2020)
優化vs.思考(2020)
讓深度學習飛起來,與RadimRehurek.com(2014)
在Smesh的大型社群媒體分析(2014)
 

詳細資料

  • ISBN:9786264252003
  • 叢書系列:Programming
  • 規格:平裝 / 532頁 / 18.5 x 23 x 2.39 cm / 普通級 / 單色印刷 / 初版
  • 出版地:台灣

最近瀏覽商品

 

相關活動

  • 【自然科普、電腦資訊】AI時代的職場生存術:打開職場新思維,打造新世代職場競爭力,電子書85折起
 

購物說明

若您具有法人身份為常態性且大量購書者,或有特殊作業需求,建議您可洽詢「企業採購」。 

退換貨說明 

會員所購買的商品均享有到貨十天的猶豫期(含例假日)。退回之商品必須於猶豫期內寄回。 

辦理退換貨時,商品必須是全新狀態與完整包裝(請注意保持商品本體、配件、贈品、保證書、原廠包裝及所有附隨文件或資料的完整性,切勿缺漏任何配件或損毀原廠外盒)。退回商品無法回復原狀者,恐將影響退貨權益或需負擔部分費用。 

訂購本商品前請務必詳閱商品退換貨原則 

  • 三采童書展
  • 科普套書展
  • 轉職必讀