“人生苦短，我用Python”，說的就是Python開發“快”的優勢，相同的代碼量能夠完成其他語言數倍代碼量的任務。一般情況下，像C++、C、JAVA 、GO這類編譯型語言要比PHP、Python、JavaScript這類解釋性語言要快一些，但是各有各的優勢。
Python以其開發方便、語言生態健全，乘著人工智能之風很快成為了一門明星語言。使用Python提升開發效率的同時，代碼的運行效率卻沒那麼高。下面將介紹幾種簡單的方法，嘗試提升代碼的可讀性、執行效率。
一、優化編程慣例
1）用生成式生成列表：
假設我們正在編寫爬蟲，現在需要將解析到的信息生成列表。
不優雅的方法：
得到：[‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’]
用生成式更加優雅的完成：
輸出：[‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’, ‘g’]
2)使用enumerate進行迭代：
enumerate方法用於將一個可遍歷的數據對象組合為一個索引序列，同時輸出數據和數據下標，一般用於for循環之中，演示如下：
不優雅的方法：
輸出：
優雅的方法，使用enumerate函數：
3)用join方法生成字符串：
join()函數能夠將序列中的元素按照給定的字符鏈接生成一個新的字符串。
不好的代碼：
輸出：我-在-知-了-課-堂-學-Python-
使用join方法：
輸出：我-在-知-了-課-堂-學-Python
4)不適用臨時變量交換兩個值：
5)使用：
二、使用Cython模塊提升代碼執行速度
Python有著良好的擴展性與接口功能，人工智能大多數庫都是C++或者C寫來由Python調用。大公司會使用Python來提升開發效率，用C來彌補性能缺口。在Python官方文檔中，也給出了Python的C API接口的文檔，但是下面也標註了“給 C/C++ 程序員的參考手冊”，絕非等閒之輩能輕易掌握！好消息是，有Cython模塊，官方是這樣介紹的（翻譯）：
[Cython]是一種編程語言，它使編寫Python語言的C擴展與Python本身一樣容易。它旨在成為[Python]語言的超集，從而為它提供高級，面向對象，功能和動態編程。
Cython是Python編譯器。這意味著它可以編譯普通的Python代碼而無需進行更改（除了一些尚不支持的語言功能的明顯例外），接下來使用Cython提升Python執行速度。
1）安裝：
使用cython最簡單的方法是執行
也可以從https://cython.org/下載最新版本 。解壓縮tarball或zip文件，輸入目錄，然後運行：
另外需要安裝gcc，linux下一般自帶。
2）Hello， Cython：
使用官方推薦的方法（使用setuptools）構建我們的代碼，
創建hello.pyx文件（你沒看錯，不是.py而是.pyx）並鍵入：
創建對應的setup.py腳本：
cmd到當前目錄，執行：
gcc與g++都安裝但是，報錯，缺乏 Microsoft visual C++ 14.0,遂下載安裝：
4GB！太大了，用linux試試！
在centos環境下，重複上述步驟：
成功，並且生成了一個hello.cpython-36m-x86_64-linux-gnu.so文件, 在Windows下會生成.pyd文件。
使用：
hon VS Python ：
斐波那契數列，通俗易懂，使用Python容易實現，也考驗計算能力。我們分別用Python和cython來計算斐波那契第38項的值，同一臺機器，看誰算的快！
使用Python：
創建fib1.py並鍵入：
成績：11.73秒
使用Cython：
創建一個fib2.pyx並鍵入：
創建相應的setup.py：
執行：
建立測試文件test.py：
成績，2.20秒
awesome！快了5倍多，實際上隨著項的增大，成績還會有所提升。
使用cython不僅能夠大幅提升代碼的運行速度，還能夠起到加密核心代碼的作用，即便是被對手入侵了服務器，也不必擔心核心代碼洩露。
三、使用科學計算庫
知名的科學計算庫如numpy、pandas等底層都使用C++、C完成，這在一定程度上保證了執行速度，另一方面也能幫助我們提升可讀性。
我們分別用numpy和傳統的**方法來計算一個數組的乘方，
很給力，快了數倍：
相信，不斷的優化我們的編程習慣，像寫詩一樣寫代碼，養成良好科學的計算習慣，一定能夠寫出pythonic代碼！
