高效能Python程式設計｜寫給人類的高性能編程法 三版 Micha Gorelick, Ian Ozsvald
產品編號：9786264252003
促銷 團購優惠-碁峰(歐萊禮) 出版社
促銷 下單就送小禮物
購物每消費滿300元，可獲得1元購物金
網路價
NT${{ commaFormat(product.price_actu) }}
NT${{commaFormat(product.price_sugg)}}
專屬特惠價 NT${{ commaFormat(product.group_price) }}
優惠價
NT${{ commaFormat(product.member_price) }}
NT${{ commaFormat(product.group_price) }}
商品組合
贈品 (買就送)
{{ pItem.title }}
付款方式
轉帳/匯款/無摺存款 / LinePay付款 / 超商代碼付款(綠界金流) / 信用卡一次付清(綠界金流) / 信用卡分6期(藍新金流) / 信用卡分12期(綠界金流) / AFTEE 先享後付 / [圖書專用] 7-11取貨付款
配送方式
7-11超商取貨 / 全家超商取貨 / 宅配到家 / 校園門市店到店取貨(需7~10個工作天，急用勿選)
超值加購
{{ pItem.title }}
型號:{{ pItem.model }}
加購價 NT${{pItem.extra_price}}
(原價NT${{pItem.price_orig}})
加購數量
已搶購一空
出版商:歐萊禮
出版日期:2025-12-09
語言:繁體中文
頁數:532
裝訂:平裝
ISBN-13:
9786264252003
【內容】
💥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。
【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）
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）
【關於教科書訂購說明】
☆ 單本即有折扣，將商品放入購物車就可以看見優惠價唷！五本以上團購更便宜！加入會員訂購，還可累積購物金！
★ 若有急需用書，可先LINE私訊詢問庫存呦~
☆ 出貨時間：有現貨的，2個工作日內出貨；無現貨，約3~5個工作日 出貨
【寄送方式說明】
❶ 實體門市取貨
全台麗文校園書局皆可取貨，貨到書局將會以簡訊通知。
❷ 超商取貨
提供7-11及全家超商取貨(需先付款，無貨到付款)。
❸ 一般宅配
本公司主要與黑貓宅急便配合，送達到您指定的地址。
※當您於本網站消費交易完成後，電子發票將會以電子郵件寄給您；如需紙本發票請於下訂時於備註欄位說明。
【付款方式說明】
❶ ATM轉帳、匯款
銀行│第一銀行-三民分行
代號│007
戶名│麗文文化事業股份有限公司
帳號│704-10-051861
※實體ATM每日轉帳最高限額為3萬，若訂購金額超過3萬元，請分兩天或是使用不同的銀行帳戶轉帳。
❷ 信用卡（可分期，需負擔手續費）
凡各家銀行的VISA、MASTER、Union Pay、JCB信用卡皆可使用。
❺ 超商代碼
系統會發送繳費代碼至您的電子信箱，需自行至「超商機器ex：iBon」輸入代碼，產生繳費單後前往櫃檯繳費。
❼ 免卡分期
麗文校園購與「zingala銀角零卡」「第一資融」以及「皮路後支付」合作，讓您免用信用卡就可以購物。
如有使用上的問題，可以先與揪小編聯絡唷！。
※請注意：超過7天未付款之訂單則訂單自動失效；免卡分期訂單成立起7天內未主動聯繫亦同。
【其他說明】
❶關於出貨
1.商品為不缺貨前提下，訂單完成付款後2-4個工作天將會出貨(不含例假日及國定假日)；若商品缺貨則須等待1-2週。
2.麗文校園揪來玩保留訂單接受與否權利，若因交易條件有誤或有其他情形導致我們無法接受您的訂單，將以E-mail發送取消訂單通知給您，造成不便敬請見諒。
❷關於退貨
1.非門市現場消費享有七天猶豫期，收到商品當天往後算七天內若是決定不買，則協助不要拆封，一拆封視同願意購買。
2.若真的決定不購買商品要退貨，請聯繫我們LINE線上客服，我們會盡速為您處理。
❸關於新品瑕疵與維修保固
1.全新商品享有購買七日內，新品瑕疵的換新保障；但新品瑕疵與否，是由商品代理商或原廠所判定，麗文校園揪來玩僅能依據判定的結果給予協助。若是原廠判定非新品瑕疵則無法換新，需改為維修的方式處理。
2.新品瑕疵換新的作業時間，將依各廠商的流程而定，最快2個工作天，慢的話也可能需要到15個工作天。
3.購買超過七日後，維修服務由原廠提供。如有需要維修，麗文校園揪來玩可以代為送修，但送修如需運費時（EX:原廠沒有提供免費收件服務），則需由您負擔送修的運費（運費約為100元起，因商品大小而異）。
【華碩的維修服務】
