
۴۴٬۰۰۰تومان
نوع فایل دانلود: EPUB
پس از خرید، یک فایل EPUB دریافت میکنید.
این فایل با Calibre، Apple Books و سایر کتابخوانهای دیجیتال مناسب است.
نرمافزاری بسازید که بیانپذیری پایتون را با سرعت و کنترل سی (و سیپلاسپلاس) ترکیب کند. این کار با Cython ممکن است؛ کامپایلر و زبان برنامهنویسی ترکیبیای که بستههای پایهای مثل NumPy از آن استفاده میکنند و در پروژههایی مثل Pandas، h5py و scikits-learn هم نقش پررنگی دارد.
در این راهنمای کاربردی یاد میگیرید چطور با Cython سرعت پایتون را—تا ۳۰۰۰ برابر—بالا ببرید و کتابخانههای سی و سیپلاسپلاس را بهسادگی در پایتون بپیچید. کرت اسمیت شما را با قابلیتهای Cython آشنا میکند؛ همراه با کد نمونه و تمرینهای عمیق. چه تازه با Cython شروع کرده باشید و چه بخواهید عمیقتر بروید، میبینید که این زبان بخشی ضروری از ابزار هر برنامهنویس پایتونی است که به عملکرد اهمیت میدهد.
* با تایپگذاری ایستای Cython کد پایتون را سریعتر کنید
* با کار عملی روی ویژگیهای Cython، پایتون محاسباتیتان را تقویت کنید
* با Cython نوعهای جدید بسازید و ببینید برنامهنویسی شیءگرا در پایتون چقدر میتواند سریع باشد
* کد Cython را بدون افت عملکرد در ماژولها و بستههای جداگانه سازماندهی کنید
* با Cython به کتابخانههای سی و سیپلاسپلاس رابطهایی شبیه پایتون بدهید
* با ابزارهای پروفایلینگ زمان اجرا و زمان کامپایل Cython کد را بهینه کنید
* با تابع prange در Cython حلقهها را بهصورت شفاف با OpenMP موازیسازی کنید
Build software that combines Python’s expressivity with the performance and control of C (and C++). It’s possible with Cython, the compiler and hybrid programming language used by foundational packages such as NumPy, and prominent in projects including Pandas, h5py, and scikits-learn. In this practical guide, you’ll learn how to use Cython to improve Python’s performance—up to 3000x— and to wrap C and C++ libraries in Python with ease.Author Kurt Smith takes you through Cython’s capabilities, with sample code and in-depth practice exercises. If you’re just starting with Cython, or want to go deeper, you’ll learn how this language is an essential part of any performance-oriented Python programmer’s arsenal.* Use Cython’s static typing to speed up Python code* Gain hands-on experience using Cython features to boost your numeric-heavy Python* Create new types with Cython—and see how fast object-oriented programming in Python can be* Effectively organize Cython code into separate modules and packages without sacrificing performance* Use Cython to give Pythonic interfaces to C and C++ libraries* Optimize code with Cython’s runtime and compile-time profiling tools* Use Cython’s prange function to parallelize loops transparently with OpenMP